KLASIFIKASI GAMBAR AI MENGGUNAKAN VISION TRANSFORMER DAN ERROR LEVEL ANALYSIS

Peningkatan kualitas gambar kecerdasan buatan (AI) menyebabkan kesulitan dalam membedakan gambar asli dan gambar AI, sehingga menimbulkan risiko penyebaran informasi palsu. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi gambar AI menggunakan kombinasi Vision Transformer (ViT) dan Error Level Analysis (ELA). Tahapan metode menggunakan ekstraksi fitur ELA, preprocessing berupa resize dan normalisasi, serta pelatihan model ViT pada dataset Tiny GenImage yang terdiri dari 5.000 gambar dengan format RGB. Evaluasi dilakukan menggunakan confusion matrix dan ROC Curve dengan hasil pengujian model mencapai akurasi 78%, precision 81%, recall 70%, F1-score 75% dan AUC 85%, yang menunjukkan kinerja lebih baik dengan ELA. Sistem juga telah diimplementasikan dalam bentuk website yang dapat digunakan untuk mengklasifikasikan gambar secara otomatis. Penelitian ini membuktikan bahwa kombinasi ViT dan ELA efektif dalam mendeteksi gambar AI dan berpotensi diterapkan pada platform digital sebagai validasi visual.