PENERAPAN DALAM MEMBEDAKAN GAMBAR BUATAN ARTIFICIAL INTELLIGENCE DAN GAMBAR ASLI DENGAN EKSTRAKSI FITUR VISUAL MENGGUNAKAN ALGORITMA ENSEMBLE LEARNING

Abstract

Perkembangan teknologi Artificial Intelligence (AI) generatif memungkinkan sistem komputer menghasilkan gambar yang sangat realistis dan menyerupai foto asli. Kondisi ini menimbulkan tantangan dalam membedakan gambar buatan AI dan gambar asli secara visual. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra yang mampu membedakan gambar buatan AI dan gambar asli dengan memanfaatkan ekstraksi fitur visual serta algoritma ensemble learning. Metode penelitian yang digunakan meliputi tahap preprocessing citra dengan penyeragaman ukuran menjadi 256 × 256 piksel, ekstraksi fitur visual yang terdiri dari histogram warna RGB, distribusi intensitas grayscale, fitur tekstur menggunakan Gray Level Co-occurrence Matrix (GLCM), serta fitur tepi menggunakan metode Canny Edge Detection. Fitur yang diperoleh kemudian digunakan sebagai input pada beberapa algoritma klasifikasi yaitu Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Random Forest. Selanjutnya dilakukan penggabungan model menggunakan metode ensemble learning dengan teknik hard voting.Hasil pengujian menunjukkan bahwa model Random Forest memperoleh nilai akurasi sebesar 65,71%, sedangkan metode ensemble learning menghasilkan nilai akurasi sebesar 65,00% dengan nilai F1-score sebesar 0,6918. Sistem yang dikembangkan juga diimplementasikan dalam bentuk aplikasi berbasis web menggunakan framework Streamlit sehingga pengguna dapat mengunggah gambar dan memperoleh hasil prediksi secara langsung. Penelitian ini menunjukkan bahwa pendekatan ekstraksi fitur visual dan ensemble learning dapat digunakan sebagai metode untuk membantu mengidentifikasi gambar buatan AI dan gambar asli.