Aritonang, Andika Fetran (2026) DETEKSI GAMBAR WAJAH PALSU MENGGUNAKAN EKSTRAKSI FITUR TEKSTUR DAN WARNA DENGAN SUPPORT VECTOR MACHINE SERTA OPTIMASI PARAMETER MENGGUNAKAN PARTICLE SWARM OPTIMIZATION BERBASIS WEB. S1 thesis, Universitas Mercu Buana Jakarta- Menteng.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (COVER)
41522010106-Andika Fetran Aritonang-01-Cover - Andika Aritonang (1).pdf Download (549kB) |
|
Text (BAB 1)
41522010106-Andika Fetran Aritonang-02-Bab 1 - Andika Aritonang.pdf Restricted to Registered users only Download (283kB) |
|
Text (BAB 2)
41522010106-Andika Fetran Aritonang-03-Bab 2 - Andika Aritonang.pdf Restricted to Registered users only Download (265kB) |
|
Text (BAB 3)
41522010106-Andika Fetran Aritonang-04-Bab 3 - Andika Aritonang.pdf Download (689kB) |
|
Text (BAB 4)
41522010106-Andika Fetran Aritonang-05-Bab 4 - Andika Aritonang.pdf Restricted to Registered users only Download (699kB) |
|
Text (BAB 5)
41522010106-Andika Fetran Aritonang-06-Bab 5 - Andika Aritonang.pdf Restricted to Registered users only Download (99kB) |
|
Text (DAFTAR PUSTAKA)
41522010106-Andika Fetran Aritonang-07-Daftar Pustaka - Andika Aritonang.pdf Restricted to Registered users only Download (158kB) |
|
Text (LAMPIRAN)
41522010106-Andika Fetran Aritonang-08-Lampiran - Andika Aritonang.pdf Restricted to Registered users only Download (574kB) |
Abstract
Perkembangan pesat teknologi Kecerdasan Buatan (AI) memicu maraknya manipulasi citra wajah (deepfake) dengan tingkat kemiripan visual yang sangat realistis. Hal ini berpotensi meningkatkan risiko kejahatan siber berbasis penyalahgunaan identitas digital, sehingga diperlukan sistem deteksi otomatis yang tangguh untuk membedakan wajah asli (real) dan buatan (fake). Penelitian ini bertujuan membangun model klasifikasi citra wajah asli dan hasil manipulasi dengan mengintegrasikan ekstraksi fitur warna Hue Saturation Value (HSV) dan fitur tekstur Gray Level Co-occurrence Matrix (GLCM). Alur metodologi meliputi pra-pemrosesan, ekstraksi fitur visual, normalisasi data berbasis StandardScaler, optimasi hiperparameter dengan Particle Swarm Optimization (PSO), serta klasifikasi menggunakan Support Vector Machine (SVM). Dataset yang digunakan berjumlah 4.656 citra dengan pembagian rasio 80% untuk data latih (3.724 citra) dan 20% untuk data uji (932 citra). Hasil pencarian PSO menemukan kombinasi parameter SVM paling optimal pada nilai C = 4,8003 dan Gamma = 0,01995. Pengujian model menghasilkan tingkat akurasi sebesar 63,52%, dengan perolehan precision, recall, dan F1-score yang seimbang pada kedua kelas. Hasil ini membuktikan bahwa penggabungan fitur HSV dan GLCM efektif dalam menyajikan representasi karakteristik visual wajah. Sebagai bentuk penerapan praktis, model yang dirancang telah diintegrasikan ke dalam antarmuka aplikasi web berbasis Streamlit guna memfasilitasi deteksi keaslian wajah secara otomatis. Kata kunci: Artificial Intelligence, Deepfake, Support Vector Machine, Particle Swarm Optimization, Hue Saturation Value, Gray Level Co-occurrence Matrix, Streamlit.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41522010106 |
| Uncontrolled Keywords: | Artificial Intelligence, Deepfake, Support Vector Machine, Particle Swarm Optimization, Hue Saturation Value, Gray Level Co-occurrence Matrix, Streamlit. |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | RAIHAN GUSRI HIDAYAT |
| Date Deposited: | 12 Sep 2026 01:37 |
| Last Modified: | 12 Sep 2026 01:37 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/103811 |
Actions (login required)
 |
View Item |
