Klasifikasi Gambar Asli dan Manipulasi Menggunakan Error Level Analysis (ELA) Sebagai Proses Komputasi Metode Convolutional Neural Network (CNN)

Abstract

Abstrak– Salah satu contoh penyebaran gambar palsu yang ada di media sosial dapat membuat gambar diragukan keasliaanya, forensik gambar bisa menjadi alternatif untuk menguji kebenaran gambar tersebut. Umumnya mekanisme forensik gambar dapat digunakan dalam bidang studi untuk mengidentifikasi keaslian suatu gambar dari struktur kualitas gambar tersebut. Ada beberapa mekanisme yang dapat diterapkan untuk menentukan tingkat keaslian gambar, salah satunya dengan menentukan kualitas hasil tingkat kompresi gambar pada mekanisme error level analysis(ELA). Dalam pengembangan image processing, convolutional neural network(CNN) merupakan salah satu algoritma dari deep learning multi layer perceptron(MLP) dirancang sebagai pengelolah data dalam bentuk gridpada citra dua dimensi gambar atau suara terdiri dari layerutama convulutional layer, polling layer, dan fully connected Layersehingga juga bisa mendetekesi atau mengklasifikasi gambar yang termodifikasi. Pada penelitian ini metode convolutional neural networkdigunkaan sebagai klsifikasi data yang terlabel dengan menggunakan mekanisme supervised learning. Mekanisme dari supervised learningyaitu terdapat data yang dilatih dan terdapat variabel yang ditargetkan. Tujuan dalam penelitian ini yaitu memanfaatkan mekanisme yang dihasilkan error level analysis(ELA) dengan mengkonversi nilai gambar RGB ke YcrCb berformat  JPEGuntuk mencari nilai rata–rata luminancedan chrominancesehingga menghasilkan gambar lossy,yang mampu membantu sebagai pengenalan ekstraksi objek pada proses komputasi learning convulutional neural network(CNN) dengan dengan 5 layerutama convulutional layer,  polling layer, dan 3 fully connected layer. Sehingga hasil dari penelitian yang didapat mengahsilkan akurasi klasikasi 97% dalam menetukan gambar asli dan manipulasi dengan nilai konverhensi mencapai 150 epoch.

Kata Kunci— Classification Image Manipulation, Error Level Analysis (ELA), Deep Learning, convulutional neural network (CNN).