Identifikasi Karya Seni Citra Digital Generasi Kecerdasan Buatan Menggunakan Convolutional Neural Network

Vincent Hendrawan, Steven (2024) Identifikasi Karya Seni Citra Digital Generasi Kecerdasan Buatan Menggunakan Convolutional Neural Network. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (2MB)
	PDF BAB_I.pdf Download (216kB)
	PDF BAB_II.pdf Download (381kB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (215kB)
	PDF DAFTAR_PUSTAKA.pdf Download (215kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (251kB)

Abstract

Hubungan teknologi dan kesenian yang tidak terpisahkan memiliki dampak yang besar dalam kehidupan manusia. Perkembangan yang tidak terpikirkan tersebut mencetuskan industri kreatif yang meningkatkan peluang bagi pengembangan kreasi manusia. Berbagai media penciptaan karya dimanfaatkan manusia, salah satunya generasi citra menggunakan kecerdasan buatan. Pemanfaatan medium tersebut menuai reaksi yang negatif karena memanfaatkan karya yang sudah ada tanpa sepengetahuan pencipta sebenarnya sehingga menjadikannya plagiasi. Untuk menangulangi aksi tersebut, citra dapat diidentifikasi menggunakan pembelajaran dalam. Metode pembelajaran dalam yang dapat digunakan untuk pengolahan citra adalah Convolutional Neural Network yang melibatkan struktur konvolusi spatial yang dilakukan pada ruang 2D sehingga sesuai untuk melakukan analisis citra. Dalam penelitian ini, sebuah model Convolutional Neural Network dibuat untuk mengidentifikasi karya seni citra digital generasi kecerdasan buatan. Model dikembangkan menggunakan arsitektur EfficientNetB1 dan Xception yang sudah pernah dimanfaatkan dalam klasifikasi dataset ImageNet dan melakukan modifikasi pada top layer berupa penambahan dan penghilangan dropout. Berdasarkan pengujian model, model EfficientNetB1 dengan penghilangan dropout pada top layer menghasilkan akurasi sebesar 97,68%, presisi sebesar 97,60%, recall sebesar 97,73%, dan f1-score sebesar 97,66%. Akomodasi penggunaan model dibuat dalam media aplikasi web sederhana.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	EfficientNet, identifikasi citra, karya generasi kecerdasan buatan, pembelajaran mesin, Xception
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	10 Nov 2024 11:04
Last Modified:	10 Nov 2024 11:04
URI:	https://kc.umn.ac.id/id/eprint/34067

Actions (login required)

View Item