Guntoro, Nurudin Surya (2021) IMPLEMENTASI ALGORITMA CNN UNTUK DETEKSI CITRA DIGITAL YANG TELAH DIMANIPULASI. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (569kB) |
|
Text (BAB I)
BAB I.pdf Download (209kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (177kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (342kB) |
|
Text (BAB V)
BAB V.pdf Download (41kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (139kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
Source Code-17.11.1423-Nurudin Surya Guntoro - Nurudin Surya Guntoro.rar Restricted to Repository staff only Download (26MB) |
|
Text (PUBLIKASI)
Publikasi-17.11.1423-Nurudin Surya Guntoro - Nurudin Surya Guntoro.pdf Restricted to Repository staff only Download (461kB) |
Abstract
Dalam beberapa tahun terakhir penggunaan media sosial mengalami peningkatan. Di zaman sekarang semua serba digital, tak terkecuali dalam bidang foto. Foto berbentuk digital banyak memiliki keunggulan salah satunya mempermudah urusan dalam pengiriman tanpa resiko biaya. Selain keunggulan tersebut, foto digital mempunyai kekurangan seperti dapat dimanipulasi dengan Software editing yang semakin mudah dilakukan. Pemalsuan gambar digital banyak dimanfaatkan oknum tertentu untuk menyebarkan berita palsu, yang dapat menimbulkan kebencian dan kerusuhan. Penelitian ini melakukana analisis kemampuan algoritma CNN dalam mendeteksi gambar yang telah dimanipulasi pada dataset CASIA yang terdapat pada website Kaggle. Filter ELA (Error Level Analysis) digunakan untuk membantu dalam pra pemrosesan data yang diharapkan dapat membantu memepermudah algoritma CNN dalam mengklasifikasi gambar. Berdasarkan hasil pengujian, algoritma CNN (Convolutional Neural Network) dapat mengklasifikasi gambar yang telah dimanipulasi. Hasil dari pegujian dengan menggunakan model CNN dengan jumlah dataset sebanyak 9.502 yang terdiri dari dua kelas yaitu Asli dengan 7.438 gambar dan kelas Palsu dengan 2.064 gambar diperolah akurasi sebesar 94,98% dan akurasi validasi sebesar 90,88%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Covolutional Neural Network, Klasifikasi Gambar, Error Level Analysis, Picture Classification | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 21 Jun 2022 03:08 | ||
| Last Modified: | 15 Aug 2023 02:18 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/1905 |
Actions (login required)
 |
View Item |