Art Original

Klasifikasi Fragment File Menggunakan Konversi Gambar Grayscale Dan Deep Learning Dalam Forensik

---

Kejahatan siber yang semakin meningkat menuntut metode forensik digital yang lebih akurat dalam klasifikasi fragment file. Penelitian ini mengembangkan model klasifikasi fragment file menggunakan Convolutional Neural Network (CNN) dengan pendekatan konversi gambar grayscale dan pemanfaatan MetaData. Dataset terdiri dari 1043 gambar fragment file (format JPG dan PNG) yang diproses dengan normalisasi MetaData, teknik SMOTE, dan validasi hashing SHA-256. Hasil evaluasi menunjukkan model mencapai akurasi 89% pada dataset JPG dan 76% pada dataset campuran JPG-PNG, dengan keberhasilan tertinggi pada fragment file berukuran besar. Analisis forensik menggunakan standar NIST SP 800-86 dan NIST SP 800-101, serta validasi SSIM dan pHash, memastikan integritas MetaData dan struktur visual tetap terjaga. Penelitian ini menawarkan solusi lebih akurat dan efisien dalam klasifikasi fragment file untuk digital forensik, dengan rekomendasi khusus untuk format JPG mengingat performa optimal yang ditunjukkan.

---

Availability

Detail Information

Call Number

Informatika 621.381 Syu k

Language

Indonesia

NPM

213510839

Publisher

Teknik Informatika : Universitas Islam Riau., 2025

Keyword(s)

Digital Forensik
Klasifikas
Convolutional Neural Network (CNN)
Fragment file

Other Information

Petugas

Ayu Agustina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment