<![CDATA[Citra generasi AI memiliki beragam manfaat yang signifikan, baik dalam bidang penelitian maupun industri. Namun, penggunaan citra generasi AI juga memiliki dampak negatif dalam konteks hukum, politik dan berbagai aspek lain dalam kehidupan. Penelitian ini menitik beratkan klasifikasi citra generasi AI yang dapat mendeteksi keaslian dari suatu citra. Metode yang diusulkan adalah menggunakan model residual network yang telah dilakukan fine tuning. Teknik fine tuning yang dilakukan meliputi penggunaan learning rate scheduler berbasis warm up yang diikuti dengan linear scheduler, akumulasi gradien, dan augmentasi citra. Penelitian menunjukkan bahwa model residual network 152 menghasilkan performa terbaik dengan f1 score 0.963 dan loss 0.08. Abstract AI-generated images have various significant benefits, both in the realm of research and industry. However, the use of AI-generated images also has negative impacts in legal, political, and various other aspects of life. This research focuses on the classification of AI-generated images that can detect the authenticity of an image. The proposed method involves using a fine-tuned residual network model. The fine-tuning techniques applied include the use of a warm-up-based learning rate scheduler that followed by linear scheduler, gradient accumulation, and image augmentation. The research demonstrates that the Residual Network 152 model achieves the best performance with a f1 score of 0.963 and a loss of 0.08.]]>
