Analisis Pengaruh Resolusi Citra pada Arsitektur EfficientNetB0 untuk Deteksi AI-Generated Portrait

Authors

  • R. Muhammad Wachyu Fajar Sidik Universitas Nusantara PGRI Kediri Indonesia
  • Umi Mahdiyah Universitas Nusantara PGRI Kediri Indonesia
  • Wahyu Cahyo Utomo Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/447dd760

Abstract

Perkembangan teknologi kecerdasan buatan dalam menciptakan potret manusia sintesis memicu risiko manipulasi informasi digital yang signifikan. Penelitian ini bertujuan untuk mengimplementasikan sistem deteksi AI-generated portrait berbasis Deep Learning dengan memanfaatkan arsitektur EfficientNetB0 dan pendekatan Transfer Learning. Fokus utama penelitian ini adalah melakukan studi ablasi untuk menganalisis ketahanan (robustness) model terhadap pengaruh variasi resolusi spasial citra masukan dengan menggunakan algoritma optimasi AdamW (Adam with Weight Decay). Eksperimen komparatif dilakukan melalui tiga skenario pengujian, yaitu resolusi standar 224 × 224 piksel, peningkatan resolusi (upscaling) menjadi 256 × 256 piksel, serta penurunan resolusi (downscaling) menjadi 192 × 192 piksel. Hasil penelitian menunjukkan bahwa penggunaan resolusi standar 224 × 224 piksel merupakan konfigurasi paling optimal dengan akurasi tertinggi sebesar 88% serta efisiensi komputasi waktu pelatihan tercepat, yakni 37 menit 12 detik. Sebaliknya, modifikasi resolusi baik upscaling maupun downscaling terbukti menyebabkan degradasi performa model dan peningkatan beban komputasi. Temuan ini menegaskan bahwa resolusi standar bawaan arsitektur merupakan titik keseimbangan (sweet spot) yang paling tepat untuk mengekstraksi elemen kontekstual potret secara akurat dan menjaga stabilitas model terhadap kerentanan noise spasial.

Keywords:

AI-generated portrait, EfficientNetB0, Transfer Learning, studi ablasi, AdamW, resolusi citra.

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] L. N. Halimah, S. Riyadi, A. F. Jurjani, A. Prayogi, and S. D. Laksana, "Implementasi penggunaan machine learning dalam pembelajaran: Suatu telaah deskriptif," Reskilling, vol. 1, no. 1, pp. 1-10, 2025.

[2] M. Ichsan, "Implementasi Machine Learning untuk Deteksi Penyakit pada Kucing Menggunakan Random Forest," J. Inform. dan Tek. Elektro Terap., vol. 13, no. 3S1, 2025.

[3] M. Hadi, M. Misdram, and R. F. Aini, "Perancangan sistem pakar diagnosa penyakit ayam dengan metode forward chaining," JIMP-Jurnal Inform. Merdeka Pasuruan, vol. 2, no. 1, pp. 111-139, 2016.

[4] A. Sah et al., "Sistem Pakar Diagnosis Penyakit Kulit Hewan Peliharaan Menggunakan Pendekatan Dempster-Shafer," Insa. Pembang. Sist. Inf. dan Komput., vol. 12, no. 2, pp. 75-85, 2024.

[5] U. Lathifah and R. D. Dana, "Implementasi metode linear regression untuk prediksi harga properti real estate menggunakan rapidminer," JATI (Jurnal Mhs. Tek. Inform.), vol. 8, no. 1, pp. 1129-1137, 2024.

[6] D. F. Ramadhoni, L. P. Abadi, and S. Suaedah, "Implementasi metode forward chaining pada sistem pakar dalam mendiagnosa penyakit kucing," J. Rekayasa Komputasi Terap., vol. 3, no. 03, pp. 111-117, 2023.

[7] S. Nurajizah and M. Saputra, "Sistem Pakar Berbasis Android Untuk Diagnosa Penyakit Kulit Kucing Dengan Metode Forward Chaining," J. Pilar Nusa Mandiri, vol. 14, no. 1, pp. 7-14, 2018.

[8] I. G. A. W. W. Brata and M. I. Wahyudin, "PENGEMBANGAN MODEL KLASIFIKASI PENYAKIT KUCING MENGGUNAKAN K-NEAREST NEIGHBOR UNTUK IDENTIFIKASI PENYAKIT MENULAR/TIDAK MENULAR," J. Comput. Sci. Inf. Technol., vol. 2, no. 2, pp. 206-217, 2025.

[9] F. Hidayat, M. Z. Sarwani, and R. Hariyanto, "Rekomendasi Pengobatan Pada Penyakit Kucing Menggunakan Metode Decision Tree (Studi Kasus: Klinik Drh. Panti Absari)," INTEGER J. Inf. Technol., vol. 9, no. 2, 2024.

[10] D. A. Putri and E. D. Absharina, "Eksplorasi penerapan teknologi big data dalam mendorong inovasi kesehatan di era digital," Simtek J. Sist. Inf. dan Tek. Komput., vol. 10, no. 1, pp. 19-22, 2025.

[11] M. A. Arkanudin, "Perbandingan Performansi Model Naïve Bayes dalam menganalisis Sentimen Mengenai E-sport Mobile Legends," Universitas Islam Indonesia, 2025.

Downloads

Published

2026-07-20

Issue

Vol. 10 No. 1 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Section

Articles

License

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Analisis Pengaruh Resolusi Citra pada Arsitektur EfficientNetB0 untuk Deteksi AI-Generated Portrait. (2026). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 10(1), 683-692. https://doi.org/10.29407/447dd760