Claim Missing Document
Check
Articles

Found 1 Documents
Search

Atribusi Gambar Sintetik StyleGAN2 Menggunakan Artificial Fingerprint Berbasis CNN Yusuf Riziq, Alvin; Sri Mulyono
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 1 (2025): Agustus
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i1.2889

Abstract

Model generatif seperti StyleGAN2 mampu menghasilkan gambar sintetik yang menyerupai gambar nyata, namun menimbulkan potensi pelanggaran hak cipta karena sering dilatih menggunakan data tanpa izin pemilik. Penelitian ini bertujuan untuk mengembangkan metode atribusi gambar dengan menyisipkan artificial fingerprint secara tersembunyi ke dalam dataset wajah sebelum digunakan dalam pelatihan model generatif. Metode yang digunakan berbasis Convolutional Neural Network (CNN) dengan dua komponen utama: encoder untuk menyisipkan fingerprint dan decoder untuk mendeteksinya kembali. Dataset yang digunakan adalah FFHQ beresolusi 128×128 piksel, dan model dilatih selama 10 epoch menggunakan algoritma Adam. Evaluasi dilakukan menggunakan Binary Cross Entropy (BCE) untuk mengukur akurasi deteksi fingerprint dan Mean Squared Error (MSE) untuk menilai kualitas visual gambar. Hasil menunjukkan bahwa metode ini berhasil menyisipkan fingerprint secara imperseptibel (MSE < 0.01) dan mengekstraksinya kembali dengan tingkat akurasi sangat tinggi (bitwise accuracy > 99%). Pendekatan ini memberikan kontribusi teknis dalam sistem atribusi otomatis dan perlindungan hak cipta pada pengembangan AI generatif.