Deteksi Gambar Palsu Menggunakan Deep Learning

Abstract

Di era digital ini, gambar palsu semakin mudah dibuat dengan teknologi canggih, sehingga penting untuk memiliki cara mendeteksi gambar palsu yang efektif. Penelitian ini menggunakan metode gabungan antara Noiseprint, ResNet-50, dan Support Vector Machine (SVM). Noiseprint membantu menemukan pola noise unik dalam gambar, ResNet-50 menangkap detail fitur gambar yang kompleks, dan SVM memutuskan apakah gambar itu asli atau palsu. Dengan dataset dari Columbia University, metode ini berhasil mencapai akurasi hingga 90,41%. Hasilnya menunjukkan bahwa pendekatan ini sangat menjanjikan untuk mendeteksi gambar palsu jenis splicing. Meski begitu, penelitian ini masih menghadapi keterbatasan, seperti kebutuhan komputasi tinggi dan terbatasnya variasi dataset.