Penerapan Model Data-efficient Image Transformer (DeiT) untuk klasifikasi gambar wajah asli atau palsu hasil Generatif AI

Dwiyanti, Irma (2026) Penerapan Model Data-efficient Image Transformer (DeiT) untuk klasifikasi gambar wajah asli atau palsu hasil Generatif AI. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (254kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (216kB) | Preview
Preview	Text (SK BEBAS PLAGIARISM) 3_suratkaryasendiri.pdf Download (343kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (210kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (328kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (590kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (654kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (231kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (245kB) | Request a copy

Abstract

Perkembangan teknologi Artificial Intelligence (AI) khususnya pada pembuatan gambar sintetis telah mempermudah terciptanya gambar wajah palsu yang sulit dibedakan dari gambar asli. Penyalahgunaan teknologi tersebut dapat menimbulkan berbagai permasalahan seperti pelanggaran privasi, penipuan identitas, hingga penyebaran disinformasi. Oleh karena itu, diperlukan sistem klasifikasi yang mampu membedakan gambar wajah asli dan palsu hasil generatif AI secara akurat. Penelitian ini bertujuan untuk menerapkan model Data-Efficient Image Transformer (DeiT) dalam klasifikasi gambar wajah asli atau palsu hasil generatif AI serta mengetahui kinerja model DeiT pada dataset berukuran kecil. Metodologi penelitian yang digunakan adalah CRISP-DM yang meliputi tahapan business understanding, data understanding, data preparation, modelling, evaluation, dan deployment. Dataset yang digunakan terdiri dari 589 gambar wajah asli dan 700 gambar wajah palsu hasil AI. Penelitian menerapkan lima skenario persiapan data, yaitu data asli tanpa augmentasi, data asli dengan augmentasi, oversampling, undersampling, dan augmentasi sebelum split dataset, serta tiga rasio pembagian data yaitu 60:20:20, 70:15:15, dan 80:10:10. Model yang digunakan adalah DeiT-Tiny dengan evaluasi menggunakan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model DeiT mampu bekerja dengan baik pada dataset terbatas. Performa terbaik diperoleh pada rasio pembagian data 80:10:10 dengan skenario data asli menggunakan augmentasi setelah pembagian dataset yang menghasilkan akurasi sebesar 95%, sedangkan skenario augmentasi sebelum split dataset memperoleh akurasi tertinggi sebesar 96% namun berpotensi mengalami data leakage. Hasil penelitian menunjukkan bahwa model Data-Efficient Image Transformer (DeiT) efektif digunakan untuk klasifikasi gambar wajah asli dan palsu hasil generatif AI pada dataset kecil.

Actions (login required)

View Item