Klasifikasi Gambar Produk Sepatu Asli Dan Hasil Generate AI Menggunakan Varian Arsitektur MobileNetV4 - Submit Jurnal

Fitri, Isnaini Zayyana (2026) Klasifikasi Gambar Produk Sepatu Asli Dan Hasil Generate AI Menggunakan Varian Arsitektur MobileNetV4 - Submit Jurnal. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 11221072_cover.pdf Download (463kB)
	Text 11221072_statement_of_authenticity.pdf Download (919kB)
	Text 11221072_publishing_agreement.pdf Download (1MB)
	Text 11221072_approval_sheet.pdf Download (421kB)
	Text 11221072_preface.pdf Download (1MB)
	Text 11221072_abstract_id.pdf Download (381kB)
	Text 11221072_abstract_en.pdf Restricted to Repository staff only until 3 October 2028. Download (422kB) | Request a copy
	Text 11221072_table_of_content.pdf Restricted to Repository staff only until 3 October 2028. Download (521kB) | Request a copy
	Text 11221072_illustrations.pdf Restricted to Repository staff only until 3 October 2028. Download (385kB) | Request a copy
	Text 11221072_tables.pdf Restricted to Repository staff only until 3 October 2028. Download (383kB) | Request a copy
	Text 11221072_notations.pdf Restricted to Repository staff only until 3 October 2028. Download (459kB) | Request a copy
	Text 11221072_chapter_1.pdf Restricted to Repository staff only until 3 October 2028. Download (476kB) | Request a copy
	Text 11221072_chapter_2.pdf Restricted to Repository staff only until 3 October 2028. Download (1MB) | Request a copy
	Text 11221072_chapter_3.pdf Restricted to Repository staff only until 3 October 2028. Download (734kB) | Request a copy
	Text 11221072_chapter_4.pdf Restricted to Repository staff only until 3 October 2028. Download (1MB) | Request a copy
	Text 11221072_conclusions.pdf Restricted to Repository staff only until 3 October 2028. Download (451kB) | Request a copy
	Text 11221072_bibliography.pdf Download (391kB)
	Text 11221072_enclosure.pdf Restricted to Repository staff only until 3 October 2028. Download (377kB) | Request a copy
	Text 11221072_paper.pdf Restricted to Repository staff only until 3 October 2028. Download (1MB) | Request a copy
	Text 11221072_presentation.pdf Restricted to Repository staff only until 3 October 2028. Download (5MB) | Request a copy
	Text 11221072_Form. TA-020.pdf Restricted to Repository staff only until 3 October 2028. Download (57kB) | Request a copy

Abstract

Perkembangan teknologi Generative Artificial Intelligence (AI) memungkinkan pembuatan gambar sintetis yang semakin realistis sehingga sulit dibedakan dari gambar asli. Kondisi ini berpotensi meningkatkan risiko penipuan visual pada platform e-commerce, khususnya pada produk sepatu. Oleh karena itu, diperlukan sistem klasifikasi otomatis yang mampu membedakan gambar asli dan gambar hasil generate AI secara akurat dan efisien. Penelitian ini bertujuan untuk mengevaluasi kinerja lima varian arsitektur MobileNetV4, yaitu Conv-Small, Conv-Medium, Conv-Large, Hybrid-Medium, dan Hybrid-Large dalam mengklasifikasikan gambar sepatu asli dan hasil generate AI, serta menganalisis pengaruh strategi transfer learning terhadap performa model. Dataset yang digunakan terdiri dari 10.000 gambar yang seimbang antara kelas asli dan kelas sintetis. Data dibagi menjadi data latih, validasi, dan pengujian dengan rasio 70:20:10. Implementasi model dilakukan menggunakan framework PyTorch dengan tiga strategi transfer learning, yaitu full freeze, full unfreeze, dan partial freeze-unfreeze. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, serta latensi inferensi. Hasil penelitian menunjukkan bahwa seluruh varian MobileNetV4 mampu mengklasifikasikan gambar sepatu asli dan hasil generate AI dengan performa yang sangat baik. Pada strategi full freeze, model Conv-Small memperoleh akurasi dan F1-score tertinggi sebesar 99,20%. Pada strategi full unfreeze, model Conv-Medium mencapai akurasi dan F1-score sebesar 100,00%. Sementara itu, pada strategi partial freeze-unfreeze, model Conv-Small dan Conv-Large berhasil memperoleh akurasi dan F1-score sempurna sebesar 100,00%. Dari sisi efisiensi komputasi, Conv-Small menjadi model tercepat dengan latensi inferensi sebesar 4,78 ms. Berdasarkan analisis trade-off antara performa klasifikasi dan latensi inferensi, Conv-Small merupakan model paling optimal karena mampu menghasilkan akurasi sempurna dengan waktu inferensi paling rendah. Selain itu, strategi partial freeze-unfreeze memberikan performa yang paling konsisten dan seimbang dibandingkan strategi pelatihan lainnya.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > T Technology (General)
Divisions:	Jurusan Matematika dan Teknologi Informasi
Depositing User:	Isnaini Zayyana Fitri
Date Deposited:	15 Jul 2026 01:17
Last Modified:	15 Jul 2026 01:17
URI:	http://repository.itk.ac.id/id/eprint/27242

Actions (login required)

View Item