DETEKSI PEMALSUAN COPY-MOVE PADA CITRA DIGITAL MENGGUNAKAN SCALE INVARIANT FEATURE TRANSFORM (SIFT) DAN GENERALIZED 2 NEAREST-NEIGHBOR (G2NN)

*Muhammad Salman Lubis  -  Departemen Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Indonesia
Ajub Ajulian Zahra  -  Departemen Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Indonesia
Imam Santoso  -  Departemen Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Indonesia
Received: 19 Mar 2019; Published: 8 Aug 2019.
Open Access Copyright 2019 TRANSIENT
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Citation Format:
Article Info
Section: Articles
Language: ID
Full Text:
Statistics: 58 23
Abstract
Copy-move adalah jenis pemalsuan citra digital dengan cara menyalin suatu wilayah atau segmen pada citra lalu meletakkannya pada daerah lain pada citra yang sama. Oleh karena pentingnya citra sebagai media komunikasi bagi manusia, diperlukan metode deteksi pemalsuan copy-move untuk mengetahui tingkat keotentikan sebuah citra digital. Pada penelitian ini dirancang perangkat lunak simulasi sistem pendeteksi pemalsuan copy-move pada citra digital. Proses deteksi diawali dengan tahap prapengolahan dilanjutkan tahap ekstraksi ciri dari citra uji menggunakan Scale Invariant Feature Transform (SIFT). Tahap terakhir adalah proses deteksi pemalsuan dengan melakukan pencocokan ciri menggunakan Generalized 2 Nearest-Neighbor dengan 3 variasi nilai ambang T, yaitu 0,3, 0,4, dan 0,5. Berdasarkan pengujian dengan variasi jumlah titik kunci minimal yang cocok sebanyak 2, 5, dan 10, tingkat akurasi tertinggi pengujian tanpa serangan derau Gaussian adalah 100% dengan nilai ambang T sebesar 0,4 dan titik kunci minimal yang cocok  sebanyak 2 titik kunci. Pada pengujian dengan derau Gaussian didapat nilai persentase akurasi tertinggi sebesar 65% dengan nilai ambang T sebesar 0,4 dan 0,5 serta titik kunci minimal yang cocok sebanyak 2 titik kunci.
Keywords
Copy-Move; Derau Gaussian; SIFT; G2NN;

Article Metrics: