DETEKSI MANIPULASI CITRA DENGAN ERROR LEVEL ANALYSIS DAN CONVOLUTIONAL NEURAL NETWORK

Pemalsuan citra digital telah menjadi salah satu taktik penyebar hoax yang merupakan ajang penyebar provokasi, menimbulkan kerusuhan serta kebencian. Untuk mengidentifikasi suatu citra asli atau palsu, sangat sulit dilihat dengan mata telanjang, diperlukan teknik-teknik khusus dan ketelitian tertentu agar dapat mengetahui dengan pasti suatu citra merupakan citra asli atau sudah mengalami modifikasi. Bagi orang awam, hal ini mungkin sulit untuk dilakukan. Mesin dapat melakukannya dengan mudah untuk sejumlah besar data dengan bantuan teknik kecerdasan buatan yang digunakan untuk mengembangkan sistem yang akan membantu dalam mengenali apakah citra tersebut asli atau palsu. Teknologi ini membutuhkan banyak data citra, dan setiap citra memiliki banyak pixel-pixel penyusunnya. Metode Convolutional Neural Network (CNN) adalah salah satu algoritma dari Deep Learning yang merupakan pengembangan dari Multi Layer Perceptron (MLP) yang dirancang untuk mengolah data citra. CNN bisa digunakan untuk mendeteksi dan mengenali object pada sebuah image. Oleh karena itu pada penelitian ini membahas tentang implementasi metode metode Error Level Analysis untuk preprocessing dan klasifikasi menggunakan metode Convolutional Neural Network. yang dilakukan pada sekumpulan data untuk mengetahui model yang paling cocok untuk pengembangan sistem pengklasifikasi citra asli dan palsu. Dataset yang telah disiapkan dibagi menjadi 3 folder sesuai dengan label Real, Splice, dan Copy Move yang diberi pada masing-masing data yaitu sebanyak 7442 data Real, 1799 data Splice, dan 3224 Data Copy Move dengan 50 data testing untuk masing-masing label. Parameter yang digunakan yakni Input size 128 x 128 dengan 3 channel, epoch 200, batch size 32, dan learning rate 0,0001. Hasil pengujian deteksi citra, system mampu mendeteksi citra dengan total akurasi rata-rata mencapai 95% Real, 100% Splice, 98% Copy Move.