Efektivitas RANSAC dan Outlier Detection dalam Mendeteksi Keaslian pada Gambar Foto Produk Digital Hamako Eco Babywear

Abstrak

Penelitian ini membahas peningkatan risiko kejahatan digital, khususnya pemalsuan gambar, akibat perkembangan teknologi informasi dan komunikasi. Studi ini fokus membandingkan dua metode, yaitu RANSAC dan Outlier Detection, dalam menganalisis keaslian gambar digital terkait produk fashion Hamako Eco Baby Wear, yang berpotensi melanggar Hak Kekayaan Intelektual (HKI). Kasus yang diteliti melibatkan penyalahgunaan logo dan atribut produk. Framework Integrated Digital Forensic Investigation Framework (IDFIF) digunakan sebagai kerangka kerja, dilengkapi dengan alat bantu seperti Image Hash Generator dan RANSAC Detection. Penelitian ini juga menganalisis metadata dari gambar sampel dan gambar tersangka, yang memberikan informasi penting terkait waktu pengambilan serta alat yang digunakan untuk mengambil atau mengedit gambar. Hasil menunjukkan bahwa metode Outlier Detection efektif dalam mengidentifikasi anomali gambar secara cepat, sementara RANSAC mampu menghasilkan model matematis yang lebih tahan terhadap outlier, memungkinkan analisis yang lebih mendalam. Kedua metode ini saling melengkapi dalam membuktikan pemalsuan atau penyalahgunaan gambar produk. Penelitian ini memberikan kontribusi signifikan dalam pengembangan teknik forensik digital, khususnya dalam menganalisis keaslian gambar digital di era modern.