<![CDATA[Penelitian ini bertujuan untuk membandingkan efektivitas empat model deep learning—MobileNetV2, VGG19, InceptionV3, dan ResNet50—dalam membedakan antara gambar yang dihasilkan oleh kecerdasan buatan (AI) dan karya seni manusia. Keempat model ini diuji menggunakan dataset gambar yang terdiri dari dua kategori: AI-generated images dan human-generated images. Masing-masing model dilatih selama 30 epoch, dengan evaluasi menggunakan metrik akurasi dan kerugian untuk menilai kinerja pelatihan dan kemampuan generalisasi pada data validasi. Hasil penelitian menunjukkan bahwa MobileNetV2 mencapai akurasi pelatihan tertinggi (91,01%) dengan efisiensi waktu pelatihan yang lebih cepat, sementara InceptionV3 memberikan hasil akurasi yang hampir setara (90,13%) meskipun memerlukan lebih banyak waktu pelatihan. VGG19 dan ResNet50, meskipun memberikan hasil yang solid, mengalami konvergensi yang lebih lambat dan memerlukan lebih banyak sumber daya komputasi. Penurunan kerugian yang signifikan pada MobileNetV2 dan InceptionV3 menunjukkan kemampuan optimasi yang lebih baik dibandingkan dengan VGG19 dan ResNet50. Berdasarkan hasil tersebut, MobileNetV2 terbukti sebagai model yang paling efisien untuk aplikasi dengan keterbatasan sumber daya komputasi, sementara InceptionV3 lebih cocok untuk aplikasi yang memprioritaskan akurasi tinggi. Penelitian ini memberikan kontribusi terhadap pengembangan teknologi deteksi karya seni berbasis AI yang efisien dan akurat, serta membuka peluang untuk penelitian lanjutan dalam optimasi model deep learning untuk aplikasi yang lebih luas. Kata kunci - Deteksi seni buatan AI , MobileNetV2, VGG19, InceptionV3, dan ResNet50]]>
