TY  - RPRT
CY  - Yogyakarta
ID  - digilib66342
UR  - https://digilib.uin-suka.ac.id/id/eprint/66342/
A1  - Maria Ulfah Siregar, -
A1  - Nurochman, -
A1  - Dwi Larasati, -
A1  - Anif Hanifa Setianingrum, -
Y1  - 2022///
N2  - Generative adversarial networks merupakan algoritma yang sering digunakan untuk melakukan generate gambar menggunakan AI. Diperlukan sebuah algoritma yang mampu melakukan deteksi apakah sebuah gambar merupakan hasil kerja generative adversarial networks atau gambar nyata. Pada penelitian ini, kami mengajukan penggunaan algoritma Error Level Analysis dan convolutional neural network untuk mendeteksi citra manipulasi yang dihasilkan oleh generative adversarial networks. Setelah melakukan training data, dapat dibuktikan bahwa penggunaan onvolutional neural network dengan kompresi Error Level Analysis dapat meningkatkan performa keseluruhan dari model, baik itu akurasi, precision, recall, maupun parametser lainnya. Berdasarkan hasil evaluasi, didapatkan bahwa training onvolutional neural network terbaik didapatkan ketika menggunakan kompresi Error Level Analysis 50% karena dapat mencapai 94% akurasi, precision 93.3%, Recall 94.9%, F1 Score 94.1%, ROC-AUC Score 98.7%, dan AP Score 98.8%. Penelitian ini diharapkan dapat menjadi referensi untuk melakukan proses deteksi gambar antara gambar nyata atau gambar palsu hasil generative adversarial networks.
PB  - UIN Sunan Kalijaga Yogyakarta
KW  - Citra Wajah
KW  -  Adversarial
KW  -  Convolutional Neural
M1  - project_report
TI  - LAPORAN PENELITIAN DETEKSI CITRA WAJAH PALSU GENERATIVE ADVERSARIAL NETWORKS MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK BERBASISKAN ERROR LEVEL ANALYSIS
AV  - restricted
ER  -