📚 Eksplorasi & Komparasi Topik Dokumen

PENGEMBANGAN APLIKASI ANDROID UNTUK KLASIFIKASI GAMBAR ANIME BERBASIS DEEP LEARNING DALAM MEMBEDAKAN GAMBAR MANUAL BUATAN ILUSTRATOR DENGAN GAMBAR BUATAN AI

Artificial intelligence (AI) sudah mampu menghasilkan gambar, khususnya gambar ilustrasi anime/gambar anime. Hal ini menimbulkan kekhawatiran terkait isu hak cipta yang merugikan illustrator karena gambar anime oleh AI begitu mirip dengan gambar ilustrator secara manual. Kusuma dkk. (2024) dan Johan dkk. (2025) melakukan penelitian terkait masalah ini dengan memanfaatkan model MobileNet. Zhu dkk. (2025) mengembangkan model khusus dengan dataset generator gambar anime. Namun, belum ada implementasi dalam bentuk aplikasi android yang dinilai lebih praktis digunakan. Aplikasi android klasifikasi gambar anime dibangun dengan model MobileNetV3Large sebagai basis model. Model tersebut dilatih dengan total 5597 gambar ilustrasi bergaya anime dengan teknik single splitting per labelnya dengan rasio 60:20:20 untuk data latih, validasi, dan uji. Dataset diambil hampir seluruhnya dari dataset yang digunakan Zhu dkk. (2025) dan sumber terbuka seperti Kaggle. Model yang dilatih mampu mencapai hasil akurasi 90.09%. Lalu, konversi dan kuantisasi model dilakukan agar model dapat digunakan di aplikasi android. Model versi INT8 digunakan setelah mengungguli model versi FLOAT32 dalam akurasi dan ukuran model dengan masing-masing nilai 90.18% dan 6.94 MB. Waktu inferensi model INT8 mencapai 0.0197 detik, 0.0007 detik lebih lambat dari model FLOAT32. Namun, dataset yang digunakan masih imbalanced dengan jumlah gambar bertipe pemandangan, chibi, dan gambar berwarna hitam-putih masih sedikit pada dataset sehingga dibutuhkan penambahan dataset yang dapat dilakukan dengan data augmentation. Penambahan dataset juga dibutuhkan untuk penambahan data uji di luar domain dataset yang ada untuk memvalidasi keandalan model dari segi akurasi. Klasifikasi gambar anime ini juga belum menerapkan fitur visualisasi area yang menentukan hasil klasifikasi gambar seperti Grad-CAM. Aplikasi masih belum memiliki fitur feedback pengguna berdasarkan hasil klasifikasi serta penerapan federated learning berdasarkan feedback tersebut. Kata kunci: klasifikasi, gambar anime, MobileNet, artificial intelligence, ilustrator