Deteksi Kemiripan Citra Digital Menggunakan Metode Feature Detection Dan Feature Matching Untuk Mendukung Analisa Image Forensic

Abstract

Teknologi pencitraan yang semakin pesat perkembangannya saat ini menimbulkan banyak problematika dan tantangan dalam menentukan keaslian citra digital. Forensik citra atau dikenal sebagai image forensic merupakan bidang ilmu yang dikhususkan untuk mengumpulan bukti penentuan keaslian gambar dalam gambar digital. Algoritma SIFT (Scale Invariant Feature Transform) merupakan salah satu algoritma yang diterapkan dalam pendeteksian objek untuk mendeteksi titik-titik kunci (keypoints) pada citra digital. Algoritma FLANN (Fast Library Approximated Nearest Neighbor) merupakan salah satu algoritma yang diterapkan pada metode pencocokan objek untuk menentukan keypoints terbaik (atau disebut sebagai good match). Penelitian ini membangun program pendeteksi kemiripan citra dengan menggunakan metode feature detection dan feature matching untuk mendukung analisis citra forensik. Penelitian ini menghasilkan bahwa penerapan algoritma SIFT dan FLANN melalui OpenCV dapat mendeteksi persentase kemiripan dari image asli dan image rekayasa, dimana kedua image tersebut terlihat mirip secara visual namun melalui algoritma SIFT dan FLANN dapat dilakukan analisis kemiripan dari kedua image tersebut. Pada penelitian ini diperoleh nilai yang cukup signifikan pada persentase kemiripan kedua image, dimana persentase tertinggi dengan nilai rata-rata 95% ke atas diperoleh pada perbandingan image asli dengan image rekayasa dengan gangguan cropping, sedangkan persentase kemiripan terendah dengan nilai rata-rata 1,05% ke bawah diperoleh pada perbandingan image asli dengan image rekayasa – flip vertical.