HASANIYYAH, Nadiyya (2025) Integrasi SqueezeAnd-Excitation pada DenseNet-121 untuk Klasifikasi Gambar Asli dan AI-Generated. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (107kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (146kB)
	Text 4. KATA PENGANTAR.pdf Restricted to Repository staff only Download (137kB)
	Text 6. ABSTRAK.pdf Download (131kB)
	Text 7. ABSTRACT.pdf Download (89kB)
	Text 8. DAFTAR ISI.pdf Download (165kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (242kB)

Abstract

ABSTRAK
Kemajuan teknologi generatif seperti Generative Adversarial Networks (GANs) dan
Latent Diffusion Models memungkinkan pembuatan gambar sintetis yang sulit dibedakan
dari gambar asli, sehingga menimbulkan tantangan dalam verifikasi keaslian konten visual.
Penelitian ini mengembangkan model klasifikasi gambar berbasis DenseNet-121 dengan
optimasi hyperparameter dan integrasi mekanisme atensi Squeeze-and-Excitation (SE) pada
posisi Early, Mid, dan Late. Eksperimen dilakukan menggunakan dataset CIFAKE dengan
resolusi 32×32 piksel untuk membandingkan model baseline Plain dan tiga varian SE.
Optimasi hyperparameter dilakukan untuk memaksimalkan kinerja, sedangkan
interpretabilitas eXplainable AI menggunakan SHapley Additive exPlanations (SHAP)
digunakan sebagai analisis tambahan untuk memahami kontribusi fitur. Hasil menunjukkan
bahwa DenseNet-121 Plain dengan optimasi hyperparameter mencapai akurasi 98,52%,
lebih tinggi dibandingkan konfigurasi standar pada penelitian sebelumnya. Integrasi SE
memberikan variasi kinerja, Mid SE memperoleh akurasi tertinggi 98,56%, sedangkan Early
SE (98,45%) dan Late SE (98,48%) menunjukkan stabilitas lebih baik dengan standar
deviasi lebih rendah. Hal ini menegaskan peran SE dalam memperkuat fitur penting
sekaligus menekan fitur kurang relevan. Temuan ini menunjukkan bahwa kombinasi antara
optimasi hyperparameter dan penempatan atensi yang tepat berkontribusi pada peningkatan
performa model dalam klasifikasi gambar.
Kata kunci : Gambar AI-Generated, Atensi, Hyperparameter, Squeeze-And-Excitation,
DenseNet121, SHAP, Interpebelity

Actions (login required)

View Item