Layanan penulisan ilmiah yang disediakan oleh Perpustakaan Universitas Gunadarma
SISTEM DETEKSI DEEPFAKE PADA VIDEO MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR MODEL INCEPTION RESNET V2
ABSTRAKSI :
Memasuki Era 4.0 dalam berinternet sosial media menjadi komoditi utama masyarakat dalam mencari hiburan ataupun informasi. Menurut Google, per tanggal 12 Juni 2023 pengguna internet di seluruh dunia mencapai 5.18 Milliar pengguna sedangkan di Indonesia sendiri mencapai 212.9 Juta pengguna jika dibandingkan dengan penduduk Indonesia keseluruhan yaitu sekitar 77% sudah melek teknologi. Pada sosial media seperti Youtube, Instagram dan tiktok file dengan format video memiliki kuantitas yang paling banyak di upload setiap harinya. Pada file video juga memiliki muatan deepfake yang diciptakan menggunakan AI ataupun Faceswapping dengan tools editor tertentu. Banyak pihak yang tidak bertanggung jawab yang menciptakan dan menyebar video deepfake demi kepentinganya sendiri. Hal ini menjadi penelitian pembuatan sistem pendeteksi video yang bermuatan deepfake. Pada sistem pendeteksi menggunakan metode convolutional neural network (CNN) dengan mencoba arsitektur EfficientNetB5, Inception Resnet v2 dan VGG16. Ketiga model tersebut nantinya akan melatih 400 data video yang terdiri dari 323 video deepfake dan 77 video real. Selanjutnya model akan diuji dengan 400 data video deepfake untuk mengukur akurasi, presisi, recall dan f-score. Model juga diukur penggunaan GPU yang mana dibutuhkan model yang efesien secara penggunaan saat melatih data dan menguji model. Dengan pengukuran tersebut terpilih model Inception resnet v2 yang memiliki hasil evaluasi sebesar 94.91