Pengembangan Modul Aplikasi Digital Forensik Pada Tools Sherloq

Dzakwan, Muhammad Naufal and Rachmanto, Daffa Abiyyu and Satryatama, Danny Rachmadian Yusuf and Rooney, Glenn Muhammad and Rajendra, Fitra Arya and Wijaya, Davin Amadeo (2026) Pengembangan Modul Aplikasi Digital Forensik Pada Tools Sherloq. Project Report. [s.n.]. (Unpublished)

Text 5025231234_5025231218_5025231240_5025231112_5025231236_5025231204-Project_Report.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Perkembangan teknologi kecerdasan buatan, khususnya model generatif berbasis deep learning, telah menurunkan hambatan teknis dalam memanipulasi citra digital, sehingga menimbulkan ancaman terhadap integritas informasi visual dalam konteks penegakan hukum, jurnalisme, dan keamanan siber. Sherloq, sebuah toolset open-source untuk digital image forensics, belum memiliki modul yang mampu mendeteksi bentuk-bentuk manipulasi citra kontemporer seperti deepfake, copy-move forgery, dan image splicing. Kerja praktik ini bertujuan mengembangkan dan mengintegrasikan tiga modul deteksi manipulasi citra tersebut ke dalam arsitektur modular Sherloq tanpa mengubah struktur inti aplikasi. Modul Deepfake Detection menggunakan analisis koefisien Discrete Cosine Transform (DCT) yang dikombinasikan dengan model Random Forest; modul Copy-Move Forgery Detection menerapkan pendekatan keypoint-based feature matching dengan pipeline multi-tahap; sedangkan modul Image Splicing Detection menggabungkan lima lensa forensik secara multi-modal unsupervised dengan pembobotan adaptif berbasis Principal Component Analysis (PCA). Metodologi yang digunakan meliputi perumusan masalah, studi literatur, perancangan, implementasi, serta pengujian fungsional dan performa. Hasil pengujian fungsional menunjukkan keberhasilan 100% pada tujuh skenario, dengan modul Deepfake Detection mencapai akurasi tertinggi 75,61% pada pengujian dataset, sementara modul Copy-Move dan Image Splicing menghasilkan deteksi yang representatif pada gambar dengan karakteristik manipulasi yang jelas. Ketiga modul berhasil diintegrasikan ke dalam satu antarmuka grafis terpadu dan disiapkan untuk deployment menggunakan Docker, sehingga memperluas kemampuan forensik citra Sherloq secara signifikan.

Item Type:	Monograph (Project Report)
Uncontrolled Keywords:	digital image forensics, deepfake detection, copy-move forgery, image splicing, Sherloq
Subjects:	Q Science > QA Mathematics > QA76 Computer software Q Science > QA Mathematics > QA76.9.A25 Computer security. Digital forensic. Data encryption (Computer science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Naufal Dzakwan
Date Deposited:	13 Jul 2026 00:27
Last Modified:	13 Jul 2026 00:27
URI:	http://repository.its.ac.id/id/eprint/134104

Actions (login required)

View Item