Evaluasi Perturbasi Glaze Dalam Perlindungan Karya Seni Digital Terhadap Peniruan Gaya (Style Mimicry) Oleh Model AI Generatif Menggunakan Classifier Deep Learning=Evaluasi Perturbasi Glaze Dalam Perlindungan Karya Seni Digital Terhadap Peniruan Gaya (Style Mimicry) Oleh Model AI Generatif Menggunakan Classifier Deep Learning

ABSTRAK DJULIZAH BONITA LANINI. Evaluasi Perturbasi Glaze Dalam Perlindungan Karya Seni Digital Terhadap Peniruan Gaya (Style Mimicry) Oleh Model AI Generatif Menggunakan Classifier Deep Learning (dibimbing oleh Supri Amir) Latar Belakang. Tren generative AI telah memicu kekhawatiran serius di kalangan seniman digital akibat praktik style mimicry yang melanggar hak cipta, dan Glaze hadir sebagai alat untuk melindungi seniman digital dari style mimicry. Tujuan. Penelitian ini bertujuan mengevaluasi perturbasi Glaze sebagai metode pertahanan terhadap style mimicry oleh model generative AI, serta membandingkan kinerja tiga arsitektur Convolutional Neural Network (CNN) dalam mengklasifikasikan AI Art dan Original Art. Metode. Evaluasi dilakukan menggunakan metrik kualitas citra Fréchet Inception Distance (FID) dan Inception Score (IS), serta metrik klasifikasi (Accuracy, Precision, Recall, dan F1-Score) pada tiga model classifier: Inception-v3, Inception-Resnet-v2, dan ConvNeXt-Tiny. Hasil. Penerapan perturbasi Glaze berhasil mengganggu kemampuan model AI untuk style mimicry, yang divalidasi melalui penurunan kualitas citra buatan AI pada metrik FID. Secara komparatif, model Inception-v3 menunjukkan kinerja terbaik dengan skor akurasi mencapai 98.14%, mengungguli ConvNeXt-Tiny dan Inception-Resnet-v2. Perturbasi Glaze secara signifikan meningkatkan akurasi klasifikasi (hingga 12,96% pada Inception-v3), yang mengonfirmasi adanya perbedaan gaya visual yang jelas pada karya yang dilindungi. Kesimpulan. Hasil penelitian ini memvalidasi perturbasi Glaze efektif mengganggu kemampuan model AI generatif untuk melakukan style mimicry dengan model terbaik (Inception-v3) telah berhasil diimplementasikan ke dalam aplikasi web interaktif sebagai alat pendeteksi AI Art. Kata Kunci: Glaze; Perturbasi; Style Mimicry; Deep Learning; CNN; ConvNeXt-Tiny.