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.
