Penelitian ini bertujuan untuk menganalisis dan membandingkan performa tiga metode transfer learning, yaitu InceptionV3, VGG16, dan DenseNet121, dalam mendeteksi gambar yang dihasilkan oleh AI dan gambar asli. Latar belakang penelitian ini adalah belum diketahuinya metode transfer learning yang memiliki performa terbaik untuk deteksi AI-generated dan real images. Penelitian ini menghadirkan inovasi dengan melakukan 54 eksperimen yang melibatkan penambahan tiga jenis transfer learning, tiga split ratio dataset (60:40, 70:30, dan 80:20), tiga optimizer (Adam, SGD, dan RMSprop), dua jumlah epoch (20 dan 50), dan adanya penambahan dense dan flatten layer pada fine tuning. Evaluasi performa dilakukan menggunakan binary cross entropy loss dan confusion matrix. Penelitian ini memberikan manfaat signifikan dalam menentukan model transfer learning yang paling efektif untuk deteksi AI-generated dan real images, serta menyediakan panduan praktis bagi pengembangan lebih lanjut. Hasil penelitian menunjukkan bahwa model InceptionV3 dengan optimizer Adam, split ratio 80:20, dan epoch 20 menghasilkan akurasi tertinggi sebesar 84.26%, dengan loss 39.54%, precision 81.33%, recall 82.43%, dan F1-Score 81.88%.
Kata kunci : AI Generated Image;Real Image, Deep Learning;Transfer Learning;InceptionV3