Cyber . 25/10/2026, 14:03 WIB
Penulis : Makruf | Editor : Makruf
fin.co.id - Teknologi digital dapat membantu mendeteksi apakah sebuah foto telah dimanipulasi dengan menganalisis piksel, pencahayaan, bayangan, metadata, hingga pola kompresi pada berkas gambar. Metode ini dikenal sebagai forensik citra digital atau digital image forensics. Dengan bantuan algoritma kecerdasan buatan (AI), proses pemeriksaan bahkan dapat dilakukan untuk menemukan bagian tertentu yang diduga telah diubah.
Kemampuan tersebut semakin penting ketika foto digunakan sebagai bukti dalam pemberitaan, transaksi digital, penyelidikan, maupun percakapan di media sosial. Sebuah gambar yang terlihat alami belum tentu menggambarkan kejadian sebenarnya. Sebaliknya, foto yang telah diedit untuk memperbaiki warna atau pencahayaan juga tidak selalu dimaksudkan untuk menipu.
Lantas, bagaimana teknologi dapat membedakan foto asli dari gambar yang sudah mengalami perubahan?
Foto digital tersusun atas jutaan piksel yang menyimpan informasi warna dan kecerahan. Ketika seseorang menghapus objek, menambahkan seseorang, atau memindahkan bagian gambar, proses tersebut dapat meninggalkan pola yang berbeda dari bagian foto lainnya.
Sistem forensik citra memeriksa hubungan antarpiksel untuk menemukan ketidakwajaran tersebut. Misalnya, sebuah benda yang disalin dari satu bagian foto lalu ditempelkan ke bagian lain mungkin memiliki pola tekstur, warna, atau detail yang terlalu mirip dengan objek sumbernya.
Teknologi juga dapat mendeteksi kemungkinan penggandaan objek melalui metode yang disebut copy-move detection. Metode ini mencari bagian gambar yang memiliki kemiripan pola tidak wajar, meskipun posisi, ukuran, atau orientasinya telah diubah.
Sebagai contoh, seseorang mungkin menggandakan sebuah mobil di jalan agar terlihat ada dua kendaraan yang identik. Perbedaan kecil pada tekstur, ketajaman, atau pola piksel dapat menjadi petunjuk bahwa salah satu objek merupakan hasil penggandaan.
Namun, kemiripan pola tidak otomatis membuktikan manipulasi. Pola berulang juga bisa muncul secara alami, seperti jendela gedung, ubin, atau deretan kendaraan dengan model yang sama. Karena itu, hasil analisis harus dibandingkan dengan bukti lainnya.
Salah satu petunjuk penting dalam pemeriksaan foto adalah hubungan antara objek dan kondisi pencahayaan di sekitarnya. Dalam sebuah adegan nyata, cahaya, bayangan, dan pantulan mengikuti kondisi fisik tertentu.
Ketika dua foto digabungkan, objek yang ditambahkan mungkin memiliki arah pencahayaan berbeda dari lingkungan tempat objek tersebut ditempelkan. Bayangannya bisa jatuh ke arah yang tidak sesuai, sementara tingkat kecerahan permukaan objek tidak cocok dengan sumber cahaya di sekitarnya.
Teknologi analisis citra dapat memperkirakan arah datangnya cahaya dengan memeriksa gradasi warna, intensitas bayangan, serta pantulan pada permukaan benda. Sistem kemudian membandingkan karakteristik tersebut dengan kondisi visual di seluruh gambar.
Misalnya, foto memperlihatkan seseorang berdiri di bawah sinar matahari dengan bayangan yang memanjang ke arah kiri. Namun, bayangan orang yang ditambahkan justru mengarah ke kanan. Ketidaksesuaian ini dapat menjadi indikasi bahwa gambar telah disusun dari beberapa sumber berbeda.
Meski demikian, analisis pencahayaan tidak selalu menghasilkan kesimpulan pasti. Cahaya buatan, pantulan dari permukaan sekitar, cuaca, dan pengolahan foto dapat membuat kondisi pencahayaan menjadi lebih rumit.
Selain memeriksa tampilan gambar, teknologi juga dapat membaca informasi yang tersimpan di dalam berkas foto. Informasi ini dikenal sebagai metadata.
Pada foto yang diambil menggunakan kamera atau ponsel, metadata EXIF dapat memuat informasi seperti model perangkat, waktu pengambilan gambar, pengaturan kamera, dan lokasi jika fitur tersebut diaktifkan. Sebagian aplikasi juga dapat menyimpan informasi mengenai perangkat lunak yang digunakan untuk memproses gambar.
Data tersebut dapat membantu penyelidik membandingkan riwayat sebuah foto dengan klaim yang menyertainya. Misalnya, seseorang menyatakan bahwa foto diambil pada pagi hari menggunakan ponsel tertentu, tetapi informasi berkas menunjukkan petunjuk yang tidak sesuai dengan keterangan tersebut.
Metadata juga dapat memberikan petunjuk mengenai proses penyuntingan. Namun, informasi ini memiliki keterbatasan. Data EXIF dapat dihapus, diubah, atau hilang ketika foto diunggah ke media sosial, dikirim melalui aplikasi pesan, maupun dikonversi ke format lain.
Karena itu, metadata bukan bukti mutlak bahwa sebuah foto asli atau palsu. Informasi tersebut lebih tepat diperlakukan sebagai salah satu bagian dari rangkaian pemeriksaan forensik.
Foto digital sering disimpan dalam format JPEG yang menggunakan kompresi untuk memperkecil ukuran berkas. Proses ini dapat meninggalkan karakteristik matematis tertentu pada gambar.
Ketika sebuah foto diedit, sebagian objek mungkin berasal dari gambar lain yang memiliki riwayat kompresi berbeda. Jika gambar tersebut kemudian disimpan kembali, beberapa bagian dapat menunjukkan pola kompresi yang tidak seragam.
Salah satu teknik yang digunakan adalah Error Level Analysis (ELA). Teknik ini membandingkan karakteristik kesalahan kompresi pada gambar untuk membantu menemukan bagian yang berpotensi memiliki riwayat pemrosesan berbeda.
Sebagai ilustrasi, seseorang menambahkan wajah dari foto lain ke dalam sebuah gambar. Area wajah tersebut mungkin menunjukkan karakteristik kompresi yang berbeda dari bagian sekitarnya. Perbedaan itu dapat menjadi petunjuk bagi pemeriksaan lanjutan.
Namun, ELA tidak bisa digunakan sebagai alat penentu tunggal. Perbedaan kompresi juga dapat terjadi akibat penyimpanan berulang, perubahan ukuran, atau pemrosesan gambar yang sah. Foto yang telah dikompresi berkali-kali pun dapat menghasilkan pola yang membingungkan.
Perkembangan kecerdasan buatan memungkinkan pemeriksaan foto dilakukan dengan pendekatan yang lebih kompleks. Model pembelajaran mesin dapat dilatih menggunakan kumpulan gambar asli dan gambar yang telah dimanipulasi untuk mengenali pola yang sulit diamati manusia.
Sistem dapat mempelajari perbedaan tekstur, distribusi noise, batas objek, karakteristik piksel, serta jejak penggabungan gambar. Beberapa model juga dirancang untuk menunjukkan area yang paling mungkin mengalami perubahan, bukan hanya memberikan penilaian terhadap keseluruhan foto.
Teknologi ini dapat membantu mendeteksi manipulasi konvensional, seperti penghapusan objek dan penggabungan beberapa gambar, serta mencari petunjuk pada gambar yang dibuat atau diubah menggunakan AI generatif.
Salah satu tantangan terbesarnya adalah perkembangan teknologi pembuatan gambar. Model AI modern mampu menghasilkan tekstur, pencahayaan, dan detail yang semakin meyakinkan. Akibatnya, sistem pendeteksi harus terus dikembangkan agar dapat menghadapi teknik manipulasi yang belum pernah ditemukan sebelumnya.
Penelitian dalam bidang forensik citra juga menunjukkan bahwa efektivitas pendeteksi dapat dipengaruhi oleh jenis manipulasi, kualitas gambar, dan ketersediaan informasi mengenai sumber gambar. Sistem yang akurat pada kumpulan data pengujian tertentu belum tentu memberikan hasil yang sama pada semua foto di dunia nyata.
Selain menganalisis karakteristik gambar, teknologi modern juga mengembangkan cara untuk mencatat asal-usul dan riwayat perubahan sebuah foto.
Salah satu pendekatannya adalah Content Credentials yang menggunakan standar C2PA. Teknologi ini memungkinkan informasi mengenai pembuatan dan penyuntingan konten dicatat dalam struktur data yang dilindungi tanda tangan kriptografis.
Jika foto dibuat atau diedit menggunakan perangkat yang mendukung sistem tersebut, informasi yang tersedia dapat menunjukkan perangkat atau aplikasi yang terlibat serta perubahan yang tercatat. Pemeriksa juga dapat memverifikasi apakah data riwayat tersebut masih sesuai dengan tanda tangan digitalnya.
Pendekatan ini berbeda dari analisis piksel. Forensik citra mencari petunjuk dari karakteristik gambar, sedangkan sistem asal-usul digital berusaha memverifikasi catatan mengenai perjalanan berkas.
Keduanya dapat saling melengkapi. Misalnya, pemeriksa dapat menganalisis kemungkinan penggabungan objek sekaligus memeriksa apakah foto memiliki catatan penyuntingan yang dapat diverifikasi.
Meski demikian, Content Credentials bukan sertifikat bahwa isi foto pasti benar. Foto yang memiliki riwayat digital valid tetap bisa menggambarkan kejadian yang keliru atau menyesatkan. Sebaliknya, foto asli yang tidak memiliki catatan tersebut belum tentu palsu karena tidak semua kamera dan aplikasi mendukungnya.
Dalam praktik forensik, mendeteksi manipulasi foto tidak cukup hanya dengan mengandalkan satu algoritma. Pemeriksa perlu menggabungkan beberapa jenis bukti untuk mengurangi risiko kesimpulan yang keliru.
Proses pemeriksaan dapat mencakup beberapa langkah berikut.
Memeriksa tampilan gambar untuk menemukan kejanggalan pada objek, bayangan, perspektif, dan pantulan.
Menganalisis piksel serta pola tekstur untuk mencari bagian yang kemungkinan disalin, dihapus, atau ditempelkan.
Memeriksa metadata dan riwayat berkas untuk mengetahui informasi yang tersedia mengenai perangkat, waktu, serta proses penyuntingan.
Menganalisis pola kompresi dan noise untuk menemukan perbedaan karakteristik di antara bagian gambar.
Memeriksa catatan asal-usul digital jika tersedia, kemudian membandingkan hasilnya dengan bukti lain.
Menilai seluruh temuan berdasarkan konteks foto dan sumber informasi pendukung.
Pendekatan gabungan ini penting karena setiap metode memiliki kelemahan. Ketidaksesuaian bayangan bisa disebabkan kondisi pencahayaan yang rumit, sedangkan metadata yang hilang bisa terjadi akibat proses pengiriman biasa.
Oleh sebab itu, hasil pemeriksaan sebaiknya menyatakan apakah terdapat indikasi manipulasi, bagian mana yang dicurigai, dan seberapa kuat bukti yang mendukung temuan tersebut. Kesimpulan bahwa suatu foto telah dimanipulasi seharusnya tidak dibuat hanya karena satu indikator menunjukkan kejanggalan.
Teknologi digital belum dapat menjamin bahwa setiap foto bisa diklasifikasikan secara sempurna sebagai asli atau palsu. Teknik manipulasi terus berkembang, sedangkan proses kompresi, penyuntingan, dan distribusi gambar dapat menghilangkan sebagian jejak yang dibutuhkan untuk pemeriksaan.
Dalam kajian ilmiah berjudul Image Forensics yang diterbitkan dalam Annual Review of Vision Science pada 2019, peneliti Hany Farid membahas berbagai metode komputasional untuk mengautentikasi gambar sekaligus keterbatasan persepsi manusia dalam mengenali manipulasi. Kajian tersebut menegaskan pentingnya pendekatan teknis untuk membantu pemeriksaan keaslian gambar.
Keterbatasan lain muncul ketika pemeriksa tidak memiliki foto asli sebagai pembanding. Tanpa berkas sumber, beberapa jenis manipulasi mungkin hanya meninggalkan petunjuk yang lemah atau bahkan sulit dibedakan dari pemrosesan gambar biasa.
Karena itu, teknologi pendeteksi sebaiknya digunakan sebagai alat bantu verifikasi, bukan sebagai hakim yang selalu memberikan keputusan mutlak. Pemeriksaan sumber pertama, konteks kejadian, saksi, dan bukti pendukung lainnya tetap diperlukan, terutama ketika foto digunakan untuk kepentingan hukum atau pemberitaan.
Teknologi digital dapat mendeteksi kemungkinan manipulasi foto melalui analisis piksel, pencahayaan, bayangan, metadata, kompresi, kecerdasan buatan, dan catatan asal-usul digital. Setiap metode memiliki kemampuan dan keterbatasan yang berbeda sehingga penggabungan berbagai teknik menjadi pendekatan yang lebih kuat.
Perkembangan forensik citra menunjukkan bahwa keaslian foto tidak lagi cukup dinilai berdasarkan apa yang terlihat oleh mata. Analisis ilmiah dapat mengungkap ketidaksesuaian yang tidak mudah dikenali manusia, tetapi hasilnya tetap perlu ditafsirkan secara hati-hati.
Dalam menghadapi gambar yang beredar di internet, langkah paling masuk akal adalah memeriksa sumber, membandingkan informasi, dan tidak langsung mempercayai foto hanya karena tampilannya terlihat nyata. Teknologi dapat membantu mengungkap jejak perubahan, sedangkan penilaian terhadap kebenaran sebuah gambar tetap membutuhkan bukti dan konteks yang memadai.
Hany Farid. Image Forensics. Annual Review of Vision Science, 2019.
Digital Image Manipulation Forensics. University of California, Berkeley.
Content Credentials Explained: Addressing Common Questions and Updates. Coalition for Content Provenance and Authenticity (C2PA), 2025.
Digital Image Forensics: A Booklet for Beginners. Multimedia Tools and Applications, Springer Nature.
Comprehensive Digital Image Analysis to Detect Manipulation. Journal of Automation and Information Sciences, 2025.
Network:
FinNews.id |
Radarpena.co.id |
IKNPos.id
PT.Portal Indonesia Media