Detail Cantuman

Deepfake merupakan teknologi manipulasi video berbasis kecerdasan buatan yang mampu menghasilkan perubahan wajah yang berpotensi disalahgunakan dalam penyebaran konten digital yang menyesatkan. Oleh karena itu, diperlukan sistem deteksi yang mampu mengenali manipulasi wajah pada video secara baik. Penelitian ini mengembangkan sistem deteksi Deepfake berbasis deep learning dengan memanfaatkan ResNeXt untuk analisis spasial wajah dan Long Short-Term Memory (LSTM) untuk memanfaatkan informasi temporal antarframe video. Dataset yang digunakan terdiri atas 1000 video asli dari FaceForensics++ dan 1000 video Deepfake dari Celeb-DF yang diproses melalui ekstraksi frame dan deteksi wajah menggunakan MTCNN. Evaluasi kinerja dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model ResNeXt sebagai acuan menghasilkan akurasi 87,00%, presisi 88,81%, recall 84,67%, dan F1-score 86,69%, sedangkan model ResNeXt dengan LSTM mencapai akurasi 90,67%, presisi 91,78%, recall 89,33%, dan F1-score 90,54%. Hasil ini menunjukkan bahwa pemanfaatan informasi temporal melalui LSTM memberikan peningkatan kinerja dalam deteksi video Deepfake berbasis wajah.