������

Perkembangan kecerdasan buatan generatif telah mengubah cara manusia memproduksi karya visual. Dulu, lukisan, ilustrasi digital, atau karya seni rupa dianggap sebagai hasil ekspresi manusia yang unik. Kini, hanya dengan memasukkan perintah teks, aplikasi seperti DALL-E, Midjourney, dan Stable Diffusion mampu menghasilkan gambar yang tampak artistik, kompleks, bahkan sulit dibedakan dari karya manusia. Perubahan ini membawa peluang besar, tetapi juga menimbulkan persoalan baru: bagaimana cara memastikan apakah sebuah karya benar-benar dibuat manusia atau dihasilkan oleh AI?

Masalah ini tidak sekadar teknis. Di balik gambar yang tampak indah, ada isu autentikasi, hak cipta, keaslian karya, dan kepercayaan dalam ekosistem seni digital. Artikel ilmiah berjudul “Detecting AI-Generated and Authentic Artworks Using a ResNet50 Convolutional Neural Network Architecture” mencoba menjawab tantangan tersebut dengan mengembangkan model deep learning untuk membedakan karya seni buatan AI dan karya autentik manusia. Penelitian ini secara khusus menggunakan arsitektur ResNet50, yaitu salah satu model Convolutional Neural Network yang banyak digunakan dalam pengenalan gambar.

AI dan Kaburnya Batas Keaslian Seni

Karya seni buatan AI semakin sulit dikenali oleh mata manusia. Model generatif modern dapat meniru gaya lukisan, ilustrasi digital, fotografi, hingga karya abstrak. Akibatnya, batas antara karya manusia dan karya mesin menjadi semakin kabur. Dalam konteks seni digital, hal ini dapat menimbulkan masalah serius, misalnya klaim palsu terhadap karya, pelanggaran hak cipta, atau penggunaan karya AI dalam kompetisi seni tanpa pengungkapan yang jelas. Penelitian ini menegaskan bahwa ketiadaan mekanisme autentikasi yang andal dapat mengganggu integritas ekosistem seni digital dan melemahkan kepercayaan antara seniman, kolektor, dan platform seni.

Untuk menjawab persoalan tersebut, peneliti membangun sistem klasifikasi berbasis ResNet50. Model ini dilatih untuk mengenali “jejak digital” atau pola visual tertentu yang mungkin muncul pada gambar buatan AI. Jejak tersebut dapat berupa tekstur yang terlalu halus, pola yang repetitif, komposisi yang tidak natural, atau detail visual yang tampak meyakinkan tetapi sebenarnya tidak logis.

Dataset Seimbang: 434 Karya AI dan 434 Karya Manusia

Salah satu kekuatan utama penelitian ini adalah penggunaan dataset yang seimbang. Penelitian ini memakai 868 gambar, terdiri atas 434 gambar AI-generated dan 434 karya autentik manusia. Gambar AI diambil dari DALL-E 2, Midjourney v5, dan Stable Diffusion v1.5, sedangkan karya autentik berasal dari WikiArt dan DeviantArt. Dataset ini dibuat seimbang agar model tidak berat sebelah dalam mengenali salah satu kelas.

Selain itu, data tidak langsung digunakan begitu saja. Dua orang ahli, yaitu dosen seni digital dan ilustrator profesional, dilibatkan untuk memvalidasi gambar. Mereka menilai aspek seperti logika anatomi, konsistensi goresan, pola visual, dan intensi komposisi. Gambar hanya dimasukkan ke dataset jika kedua ahli mencapai kesepakatan penuh. Proses ini penting karena kualitas label data sangat menentukan kualitas pembelajaran model AI.

Bagaimana ResNet50 Bekerja?

Secara sederhana, ResNet50 dapat dibayangkan sebagai “mata digital” yang dilatih untuk mengenali pola. Model ini tidak menilai seni seperti manusia menilai keindahan, tetapi membaca karakteristik visual dalam gambar. Melalui proses pelatihan, ResNet50 belajar membedakan ciri-ciri gambar AI dan gambar manusia berdasarkan pola tekstur, bentuk, warna, dan hubungan antarbagian gambar.

Penelitian ini menggunakan pendekatan transfer learning, yaitu memanfaatkan model ResNet50 yang sudah lebih dulu dilatih pada dataset gambar besar, kemudian disesuaikan kembali untuk tugas khusus: membedakan karya seni AI dan karya autentik. Pendekatan ini membuat pelatihan lebih efisien karena model tidak memulai pembelajaran dari nol.

Sebelum dilatih, gambar juga melalui proses augmentasi data, seperti pengubahan ukuran menjadi 224 × 224 piksel, pembalikan horizontal secara acak, rotasi, serta penyesuaian warna. Tujuannya adalah agar model tidak hanya menghafal data, tetapi mampu mengenali pola secara lebih umum pada gambar baru.

Hasil: Akurasi 86,21%

Hasil penelitian menunjukkan bahwa model ResNet50 mampu membedakan karya AI dan karya manusia dengan cukup baik. Model mencapai akurasi validasi 86,21%. Untuk kelas AI-generated, model memperoleh precision 0,88 dan recall 0,84. Artinya, ketika model menyatakan sebuah gambar sebagai buatan AI, prediksinya benar sekitar 88% dari waktu pengujian.

Hasil lainnya juga menunjukkan performa yang stabil. Model memperoleh AUC ROC sebesar 0,929, yang menandakan kemampuan diskriminasi yang kuat antara karya AI dan karya manusia. Dengan kata lain, model cukup mampu memberi skor yang lebih tinggi pada gambar AI dibandingkan gambar autentik dalam sebagian besar kasus.

Namun, hasil ini tidak berarti sistem sudah sempurna. Dari 87 gambar AI dalam data validasi, model berhasil mengenali 73 gambar dengan benar, tetapi 14 gambar AI masih salah diklasifikasikan sebagai karya manusia. Sementara itu, dari 87 karya manusia, 77 dikenali dengan benar dan 10 salah diklasifikasikan sebagai karya AI.

Mengapa AI Masih Bisa Menipu Model?

Kesalahan model justru menjadi bagian paling menarik dari penelitian ini. Gambar AI yang sangat fotorealistik atau sangat berhasil meniru gaya artistik manusia sering kali diklasifikasikan sebagai karya manusia. Ini menunjukkan bahwa AI generatif semakin canggih dalam menghasilkan gambar yang masuk ke dalam “wilayah visual” karya manusia. Pada kasus seperti ini, artefak halus yang biasanya menjadi tanda gambar sintetis mungkin sudah sangat sulit dikenali.

Sebaliknya, beberapa karya manusia juga salah dikenali sebagai karya AI. Hal ini terutama terjadi pada karya digital, surealis, atau abstrak yang memiliki gradasi sangat halus, warna sangat jenuh, palet tidak konvensional, atau pola geometris berulang. Dengan kata lain, gaya manusia yang mirip dengan estetika AI dapat membuat model keliru.

Temuan ini penting karena menunjukkan bahwa “ciri AI” bukan sesuatu yang selalu eksklusif milik mesin. Beberapa ciri visual yang dianggap khas AI ternyata juga bisa muncul dalam bahasa artistik manusia.

Bukan Hakim Otomatis, tetapi Alat Bantu

Meski akurasinya cukup tinggi, model ini belum layak dipakai sebagai alat keputusan tunggal. Peneliti menegaskan bahwa sistem seperti ini lebih tepat digunakan sebagai decision-support tool atau alat bantu pengambilan keputusan. Misalnya, platform seni digital dapat menggunakannya untuk menandai karya yang dicurigai sebagai AI-generated, lalu hasilnya diperiksa kembali oleh kurator manusia. Dengan begitu, efisiensi teknologi tetap berjalan tanpa mengorbankan keadilan bagi seniman.

Bagi seniman dan pemegang hak cipta, teknologi semacam ini dapat membantu menyediakan bukti pendukung dalam sengketa keaslian karya. Bagi platform digital, sistem ini dapat menjadi filter awal untuk menjaga transparansi. Bagi regulator, model deteksi seperti ini dapat menjadi dasar teknis dalam penyusunan kebijakan mengenai pengungkapan penggunaan AI di industri kreatif.

Arah Pengembangan Selanjutnya

Penelitian ini juga mengakui beberapa keterbatasan. Pertama, ukuran dataset masih relatif kecil, yaitu 868 gambar. Untuk meningkatkan generalisasi, penelitian berikutnya perlu memakai dataset yang lebih besar, lebih beragam, dan mencakup lebih banyak gaya seni serta versi terbaru dari model AI generatif.

Kedua, penelitian ini masih menggunakan satu arsitektur utama, yaitu ResNet50. Ke depan, arsitektur lain seperti Vision Transformer atau model hibrida dapat diuji karena mungkin lebih baik dalam menangkap konteks visual global dan koherensi komposisi.

Ketiga, aspek explainable AI masih perlu dikembangkan. Saat ini, model dapat memberi hasil klasifikasi, tetapi belum sepenuhnya menjelaskan alasan di balik keputusan tersebut. Teknik seperti Grad-CAM dapat membantu menunjukkan area gambar mana yang paling memengaruhi prediksi model. Dengan begitu, sistem tidak hanya akurat, tetapi juga lebih transparan dan dapat dipercaya.

Kesimpulan

Penelitian ini menunjukkan bahwa deep learning, khususnya ResNet50, dapat digunakan sebagai alat deteksi awal untuk membedakan karya seni buatan AI dan karya manusia. Dengan akurasi 86,21% dan AUC 0,929, model ini membuktikan bahwa jejak visual dari generative AI masih dapat dikenali, meskipun tidak selalu mudah.

Namun, teknologi ini sebaiknya tidak diposisikan sebagai hakim tunggal. Dalam dunia seni, keaslian tidak hanya soal pola visual, tetapi juga konteks, proses kreatif, niat seniman, dan etika penggunaan teknologi. Karena itu, deteksi AI terbaik bukanlah sistem yang menggantikan manusia, melainkan sistem yang membantu manusia menjaga kepercayaan, keadilan, dan transparansi dalam ekosistem seni digital.

PENULIS: Bambang Suharto

Informasi detail dari riset ini dapat dilihat pada tulisan kami di:

https://www.scopus.com/pages/publications/105040067006?origin=resultslist         Top of Form

Bottom of Form

Nabila, N. P., Suharto, B., & Febriana, F. N. (2026). Detecting AI-Generated and Authentic Artworks Using a ResNet50 Convolutional Neural Network Architecture. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 10(2), 507–515. https://doi.org/10.29207/resti.v10i2.7362

ISSN: 2580-0760 Top of FormBottom of Form