DETEKSI GAMBAR ARTIFICIAL INTELLIGENCE MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENETV2

Pranata, Dendi (2026) DETEKSI GAMBAR ARTIFICIAL INTELLIGENCE MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MOBILENETV2. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.

[img] Text (Fulltext)
DENDI PRANATA_2255201113_Fulltext.pdf - Submitted Version
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (Turnitin)
DENDI PRANATA_2255201113_Turnitin.pdf - Submitted Version
Restricted to Repository staff only
Download (3MB) | Request a copy
[img] Text (ABSRAK+BAB 1)
DENDI PRANATA_2255201113_ABSTRAK+BAB 1.pdf - Submitted Version
Download (276kB)
[img] Text (BAB 2)
DENDI PRANATA_2255201113_BAB 2.pdf - Submitted Version
Download (498kB)
[img] Text (BAB 3)
DENDI PRANATA_2255201113_BAB 3.pdf - Submitted Version
Restricted to Repository staff only
Download (217kB) | Request a copy
[img] Text (BAB 4)
DENDI PRANATA_2255201113_BAB 4.pdf - Submitted Version
Restricted to Repository staff only
Download (458kB) | Request a copy
[img] Text (BAB 5)
DENDI PRANATA_2255201113_BAB 5.pdf - Submitted Version
Download (146kB)
[img] Text (Ref+Lamp)
DENDI PRANATA_2255201113_Ref+Lamp.pdf - Submitted Version
Download (167kB)

Abstract

Perkembangan teknologi Generative Artificial Intelligence (AI), khususnya Gemini AI, memungkinkan pembuatan gambar manusia dengan kualitas yang semakin realistis sehingga sulit dibedakan dari gambar asli. Kondisi tersebut menimbulkan tantangan dalam mengidentifikasi keaslian citra secara visual. Penelitian ini bertujuan membangun sistem yang mampu mendeteksi dan mengklasifikasikan gambar manusia asli dan gambar hasil generasi Gemini AI menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Penelitian dilakukan menggunakan metode eksperimen dengan dataset sebanyak 452 citra yang terdiri atas 226 gambar hasil generasi Gemini AI dan 226 gambar manusia asli. Dataset dibagi menjadi data training sebesar 90% sebanyak 406 citra, validation sebesar 7% sebanyak 32 citra, dan testing sebesar 3% sebanyak 14 citra. Tahapan penelitian meliputi pengumpulan dan validasi dataset, preprocessing berupa resize citra menjadi 224 × 224 piksel, normalisasi nilai piksel, serta data augmentation pada data training. Model dibangun menggunakan MobileNetV2 dengan pendekatan transfer learning dan bobot pre-trained ImageNet, kemudian digunakan untuk mengklasifikasikan citra ke dalam dua kelas, yaitu Gemini AI dan Non-Gemini. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian terhadap 14 citra testing menunjukkan bahwa sebanyak 13 citra berhasil diklasifikasikan dengan benar dan 1 citra mengalami kesalahan klasifikasi. Model memperoleh accuracy sebesar 92,86%, dengan precision kelas Gemini AI sebesar 100%, recall sebesar 85,71%, dan F1-score sebesar 92,31%. Hasil tersebut menunjukkan bahwa CNN dengan arsitektur MobileNetV2 mampu melakukan klasifikasi gambar manusia hasil generasi Gemini AI dan gambar manusia asli dengan kinerja yang baik pada dataset pengujian yang digunakan.

Item Type: Thesis (Skripsi (Bachelor))
Additional Information: Pembimbing : Ardi Wijaya, S.Kom., M.Kom
Uncontrolled Keywords: Artificial Intelligence, Gemini AI, Convolutional Neural Network, MobileNetV2, klasifikasi citra.
Subjects: Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Divisions: 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Depositing User: Mrs Hesti Ayu
Date Deposited: 07 Sep 2026 08:18
Last Modified: 07 Sep 2026 08:18
URI: http://repository.umb.ac.id/id/eprint/4088

Actions (login required)

View Item View Item