Mengumpulkan gambar produk yang dimanipulasi (misalnya, diubah warna, ditambahkan objek, dihapus bagian gambar) serta data Real.
Ukuran semua gambar disesuaikan, nilai piksel dinormalisasi, dan teknik augmentasi data diterapkan untuk meningkatkan jumlah data dan mencegah overfitting.
ELA menghitung perbedaan kompresi di setiap piksel, kemudian mengubahnya menjadi peta fitur, yang menunjukkan potensi manipulasi pada gambar.
Model CNN dibangun untuk klasifikasi gambar, dilatih dengan menggunakan peta fitur ELA dan label gambar, serta dievaluasi kinerjanya pada set data validasi untuk mengukur akurasi dan efektivitasnya dalam mengklasifikasikan gambar.
Uji aplikasi dengan berbagai gambar produk untuk memastikan akurasinya.
Antarmuka pengguna dibangun untuk mengunggah gambar produk, kemudian model CNN yang telah dilatih diintegrasikan ke dalam aplikasi. Hasil klasifikasi (asli atau dimanipulasi) ditampilkan kepada pengguna, memberikan informasi tentang keaslian gambar produk yang diunggah.
