Deteksi Pemalsuan Gambar Digital Menggunakan Kombinasi Teknik CNN dan Wavelet Transform [RMB]

Abstract

Manipulasi gambar digital semakin marak terjadi di era informasi, khususnya dalam bentuk copy-move dan splicing forgery yang sulit dikenali secara visual. Untuk menjawab tantangan ini, penelitian ini mengusulkan metode deteksi pemalsuan gambar dengan menggabungkan Convolutional Neural Network (CNN) dan Discrete Wavelet Transform (DWT). CNN digunakan untuk mengenali pola kompleks dan fitur spasial dalam citra, sementara DWT mampu mengekstraksi fitur frekuensi yang dapat mengindikasikan adanya manipulasi halus. Penelitian ini difokuskan pada dataset CASIA v2.0 dan NC2016 yang telah diberi label, serta membandingkan performa pendekatan gabungan CNN+DWT dengan CNN konvensional. Hasil dari penelitian ini diharapkan dapat meningkatkan akurasi deteksi pemalsuan dan memperkuat upaya mitigasi penyebaran informasi palsu berbasis gambar digital.