DETEKSI KEASLIAN GAMBAR: KLASIFIKASI AI-GENERATED VS HUMAN-GENERATED MENGGUNAKAN VGG-16

Timothea Ruth Serafika, . (2025) DETEKSI KEASLIAN GAMBAR: KLASIFIKASI AI-GENERATED VS HUMAN-GENERATED MENGGUNAKAN VGG-16. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text 1_Cover_123210121_Timothea Ruth Serafika.pdf Download (133kB)
	Text 2_Abstrak_123210121_Timothea Ruth Serafika.pdf Download (235kB)
	Text 3_Halaman Pengesahan_123210121_Timothea Ruth Serafika.pdf Download (577kB)
	Text 4_Daftar Isi_123210121_Timothea Ruth Serafika.pdf Download (225kB)
	Text 5_Daftar Pustaka_123210121_Timothea Ruth Serafika.pdf Download (199kB)
	Text 6_Skripsi Full_123210121_Timothea Ruth Serafika.pdf Restricted to Repository staff only Download (3MB)

Abstract

Penelitian ini bertujuan untuk merancang dan mengembangkan sistem klasifikasi yang
mampu membedakan citra burung yang dihasilkan oleh kecerdasan buatan (AI-generated)
dengan citra burung hasil tangkapan kamera (human-generated). Kebutuhan ini muncul seiring
meningkatnya penggunaan teknologi generative AI yang menghasilkan citra berkualitas tinggi
dan sulit dibedakan dari foto asli, sehingga menimbulkan tantangan dalam aspek verifikasi
keaslian data visual. Metode yang digunakan dalam penelitian ini adalah pendekatan deep
learning berbasis arsitektur VGG-16. Dataset yang digunakan merupakan GenImage –
Midjourney generator, yang mengambil subset data citra burung kecil dalam dua kategori
utama: AI-generated dan human-generated. Tahapan penelitian mencakup pengumpulan dan
preprocessing data, pelatihan model dengan berbagai parameter epoch, batch size, serta
learning rate, dan evaluasi model menggunakan metrik akurasi, presisi, recall, serta F1-score.
Hasil pengujian menunjukkan bahwa model VGG-16 mampu mencapai performa yang baik
dengan nilai akurasi sebesar 96.4%, presisi 96.4%, recall 96.4%, dan F1-score 96.3%.
Perbedaan antara akurasi pelatihan dan validasi relatif kecil, sehingga dapat disimpulkan
bahwa model tidak mengalami overfitting yang signifikan. Keaslian penelitian ini terletak pada
penerapan model VGG-16 secara khusus untuk mendeteksi keaslian citra burung kecil, yang
masih jarang dieksplorasi pada penelitian sebelumnya.
Kata Kunci: Klasifikasi Citra, VGG16, AI-Generated Image, Human-Generated Image, Deep
Learning

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Timothea Ruth Serafika (Penulis - 123210121) Bagus Muhammad Akbar, S.S.T., M.Kom. (Pembimbing)
Uncontrolled Keywords:	Klasifikasi Citra, VGG16, AI-Generated Image, Human-Generated Image, Deep Learning
Subjek:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	23 Oct 2025 07:48
Last Modified:	23 Oct 2025 07:48
URI:	http://eprints.upnyk.ac.id/id/eprint/44895

Actions (login required)

View Item