<![CDATA[Perkembangan teknologi kecerdasan buatan memungkinkan pembuatan gambar sintetis yang sangat realistis sehingga menyulitkan proses verifikasi keaslian citra digital. Penelitian ini bertujuan untuk mengembangkan sistem deteksi gambar AI multikelas berbasis web menggunakan model hybrid Convolutional Neural Network (CNN) dan Vision Transformer (ViT) yang dikombinasikan dengan Broad Learning System (BLS). Sistem ini dirancang untuk mengklasifikasikan enam kategori citra yaitu hewan asli, hewan AI, manusia asli, manusia AI, benda asli, dan benda AI. Model hybrid memanfaatkan EfficientNet-B0 sebagai ekstraktor fitur lokal dan Vision Transformer sebagai ekstraktor fitur global. Fitur yang diperoleh kemudian digabungkan melalui mekanisme feature fusion dan diklasifikasikan menggunakan Broad Learning System untuk menghasilkan prediksi multikelas secara efisien. Sistem diimplementasikan dalam bentuk aplikasi web menggunakan Streamlit sebagai antarmuka pengguna dan FastAPI sebagai backend. Hasil pengujian menunjukkan bahwa model hybrid CNN–ViT–BLS mampu mencapai akurasi klasifikasi yang tinggi dengan tingkat kesalahan yang minimal. Selain itu, sistem berbasis web dapat berjalan dengan stabil dan responsif sehingga berpotensi digunakan sebagai alat bantu verifikasi keaslian citra digital. Kata Kunci: AI Image Detection, CNN-ViT, Broad Learning, Multiclass Classification.]]>
Copyrights © 2026
