Skripsi/Tugas Akhir

Aplikasi Deteksi Gambar AI 2D Berbasis Mobile Menggunakan Deep Learning DEiT

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi deteksi gambar 2D berbasis mobile menggunakan model deep learning Data-Efficient Image Transformers (DEiT). Model ini dipilih karena mampu melakukan klasifikasi gambar dengan akurasi tinggi meskipun menggunakan dataset yang relatif kecil. Penelitian ini menggunakan dataset yang terdiri dari 4.086 gambar AI dan 3.199 gambar buatan manusia yang diperoleh dari sumber terbuka. Dan dibagi menjadi set training, validation, dan testing varian model yang akan digunakan dalam penelitian ini adalah DeiT Tiny. Evaluasi model dilakukan dengan metode confusion matrix, yang menunjukkan akurasi klasifikasi sebesar 94,5% untuk hasil dari deployment dengan maksimal 100 gambar dan 95% untuk hasil dari set testing. Hasil penelitian menunjukkan bahwa model DEiT dapat mengidentifikasi gambar AI dengan tingkat akurasi yang lebih tinggi dibandingkan gambar buatan manusia, yang cenderung lebih sulit untuk diklasifikasikan. Dengan demikian, aplikasi yang dikembangkan diharapkan dapat membantu seniman dalam mempertahankan integritas karya mereka serta memberikan kontribusi dalam upaya melindungi hak cipta di era digital.
Kata Kunci: Deep Learning Data-Efficient Image Transformers (DeiT), Deteksi Gambar, Klasifikasi AI, dan Mobile Application

ABSTRACT
This study aims to develop a mobile-based 2D image detection application using the Data-Efficient Image Transformers (DEiT) deep learning model. This model was chosen for its ability to classify images with high accuracy, even when using a relatively small dataset. The dataset used in this study consists of 4,086 AIgenerated images and 3,199 human-created images obtained from open sources. It is divided into training, validation, and testing sets, with the model variant used being DeiT Tiny. The model evaluation was conducted using the confusion matrix method, which showed a classification accuracy of 94.5% for deployment results with a maximum of 100 images and 95% for testing set results. The findings indicate that the DEiT model can identify AI-generated images with higher accuracy compared to human-created images, which are generally more challenging to classify. Therefore, the developed application is expected to assist artists in maintaining the integrity of their work and contribute to efforts in protecting copyright in the digital era.
Keyword: Deep Learning, Data-Efficient Image Transformers (DeiT), Image Detection, AI Classification, and Mobile Application

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 ERW a - 0021RPL

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xiv + 63 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 22 Februari 2025

Subjek

Skripsi/Tugas Akhir
Deep Learning
Data-Efficient Image Transformers

Lampiran File