<![CDATA[Penelitian ini mengembangkan sistem klasifikasi citra berbasis web menggunakan arsitektur Convolutional Neural Network (CNN) multi-modal untuk membedakan citra buatan manusia dan hasil generasi AI. Sistem yang diajukan menggabungkan tiga jenis input, yaitu citra asli, Error Level Analysis (ELA), dan Residual Noise Map (RDM) guna memperkaya representasi fitur pada proses klasifikasi. Model dibangun dengan backbone VGG16 pre-trained dan diuji pada 2.102 data citra yang terbagi seimbang antara dua kelas. Hasil eksperimen menunjukkan akurasi validasi sebesar 91% dan nilai macro F1-score sebesar 0,91, mengungguli pendekatan unimodal pada tugas serupa. Sistem diimplementasikan menggunakan framework Flask yang memungkinkan uji keaslian citra secara real-time, sehingga sangat relevan diterapkan di bidang forensik digital, verifikasi hak cipta, dan mitigasi disinformasi visual.]]>
Copyrights © 2026
