Klasifikasi Gambar Asli dan Manipulasi Menggunakan Error Level Analysis (ELA) Sebagai Proses Komputasi Metode Convolutional Neural Network (CNN)

Classification of Original Images and Manipulation Using Error Level Analysis (ELA) as a Computation Process of The Convolutional Neural Network (CNN) Method

Salah satu contoh penyebaran gambar palsu yang ada di media sosial dapat membuat gambar diragukan keasliaanya, forensik gambar bisa menjadi alternatif untuk menguji kebenaran gambar tersebut. Umumnya mekanisme forensik gambar dapat digunakan dalam bidang studi untuk mengidentifikasi keaslian suatu gambar dari struktur kualitas gambar tersebut. Ada beberapa mekanisme yang dapat diterapkan untuk menentukan tingkat keaslian gambar, salah satunya dengan menentukan kualitas hasil tingkat kompresi gambar pada mekanisme error level analysis (ELA). Dalam pengembangan image processing, convolutional neural network (CNN) merupakan salah satu algoritma dari deep learning multi layer perceptron (MLP) dirancang sebagai pengelolah data dalam bentuk grid pada citra dua dimensi gambar atau suara terdiri dari layer utama convolutional layer, pooling layer, dan fully connected layer sehingga juga bisa mendetekesi atau mengklasifikasi gambar yang termodifikasi. Pada penelitian ini metode convolutional neural network digunkaan sebagai klsifikasi data yang terlabel dengan menggunakan mekanisme supervised learning. Mekanisme dari supervised learning yaitu terdapat data yang dilatih dan terdapat variabel yang ditargetkan. Tujuan dalam penelitian ini yaitu memanfaatkan mekanisme yang dihasilkan error level analysis (ELA) dengan mengkonversi nilai gambar RGB ke YcrCb berformat JPEG untuk mencari nilai rata–rata luminance dan chrominance sehingga menghasilkan gambar lossy yang mampu membantu sebagai pengenalan ekstraksi objek pada proses komputasi learning convolutional neural network (CNN) dengan dengan 5 layer utama convolutional layer, pooling layer, dan 3 fully connected layer. Sehingga hasil dari penelitian yang didapat mengahsilkan akurasi klasikasi 97% dalam menetukan gambar asli dan manipulasi dengan nilai konverhensi mencapai 150 epoch.

One example of spreading fake images on social media can make images doubtful, and forensic images can be an alternative to test the truth of these images. Generally, image forensic mechanisms can be used in the field of study to identify the authenticity of an image from the image quality structure. There are several mechanisms that can be applied to determine the level of authenticity of images, one of which is by determining the quality of the image compression level results in the error level analysis (ELA) mechanism. In the development of image processing, convolutional neural network (CNN) is one of the algorithms of the deep learning multi-layer perceptron (MLP) designed as a data processor in the form of a grid on two-dimensional images or sound consisting of the main layer convolutional layer, polling layer, and fully connected layer so that it can also detect or classify modified images. In this study, the convolutional neural network method is used as a Labelled data classification using a supervised learning mechanism. The mechanism of supervised learning is that there are trained data and targeted variables. The purpose of this study is to utilize the mechanism generated by error level analysis (ELA) by converting RGB image values to YcrCb in JPEG format to find the average luminance and chrominance values to produce lossy images, which can help as an introduction to object extraction in the convolutional learning computation process. Neural network (CNN) with five main layers, a convolutional layer, a pooling layer, and three fully connected layers. So that the results of the research obtained resulted in a classification accuracy of 97% in determining the original image and manipulation with a convergence value of up to 150 epochs.