Implementasi Metode Transfer Learning untuk Deteksi Pemalsuan Gambar Berdasarkan Watermark

Kristianto, Andre (2023) Implementasi Metode Transfer Learning untuk Deteksi Pemalsuan Gambar Berdasarkan Watermark. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (717kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (217kB) | Preview
Preview	PDF BAB_I.pdf Download (213kB) | Preview
Preview	PDF BAB_II.pdf Download (428kB) | Preview
Preview	PDF BAB_III.pdf Download (372kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (873kB)
Preview	PDF BAB_V.pdf Download (135kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Pada era yang semakin modern, smartphone semakin canggih dengan kualitas kamera yang bagus. Penyebaran gambar pada media sosial, media berita dan lainnya juga semakin mudah. Oleh karena itu, pencurian gambar dan pengambilan hak milik gambar juga semakin mudah. Dalam hal ini, dibutuhkan watermark untuk mempertahankan hak milik pada gambar. Karena seringnya pencurian gambar yang bahkan sudah diberi watermark, dibutuhkan model atau sistem yang dapat mendeteksi pemalsuan gambar berdasarkan watermark. Pada penelitian ini, penulis akan membuat model pendeteksi pemalsuan gambar berdasarkan watermark menggunakan metode transfer learning. Metode transfer learning yang digunakan, yaitu AlexNet, ResNet50 dan VGG-16. Ketiga model transfer learning tersebut akan dibandingkan untuk mendapatkan model deteksi dengan nilai akurasi yang terbaik. Penelitian ini akan melewati tahapan penelitian dan alur penelitian yang digunakan pada penelitian ini, yaitu KDD. Evaluasi performa model dilakukan dengan analisis confusion matrix untuk mengambil nilai akurasi dan menampilkan nilai ROC-AUC. Penelitian ini menghasilkan model deteksi terbaik dengan menggunakan VGG-16 dengan nilai akurasi validasi sebesar 79.30%, akurasi test sebesar 79.53% dan nilai ROC-AUC 0.803. ResNet50 menghasilkan nilai akurasi validasi 78.67%, akurasi test 76.47% dan nilai ROC-AUC sebesar 0.735. Nilai ROC-AUC pada VGG-16 adalah 0.803, oleh karena itu hasil tersebut untuk model deteksi pemalsuan gambar berdasarkan watermark yang penulis masih dapat diterima.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Deteksi Pemalsuan Gambar, KDD, Transfer Learning, Image Watermarking
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.3 Programs 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.5 Application / Software
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	12 Jul 2023 09:52
Last Modified:	03 Aug 2023 06:34
URI:	https://kc.umn.ac.id/id/eprint/26158

Actions (login required)

View Item