PENERAPAN DEEP LEARNING UNTUK IMAGE DEEPFAKE DETECTOR MENGGUNAKAN ALGORITMA NEURAL NETWORK

Wangsadidjaja, Ananda Adhicitta (2023) PENERAPAN DEEP LEARNING UNTUK IMAGE DEEPFAKE DETECTOR MENGGUNAKAN ALGORITMA NEURAL NETWORK. Skripsi thesis, Universitas Buddhi Dharma.

	Text 20191000079_Ananda_Skripsi - Cover - BAB III.pdf - Published Version Download (7MB)
	Text 20191000079_Ananda_Skripsi - BAB IV.pdf - Published Version Restricted to Registered users only Download (3MB) | Request a copy
	Text 20191000079_Ananda_Skripsi - BAB V - Lampiran.pdf - Published Version Download (1MB)

Abstract

Media sosial telah lama digunakan masyarakat umum sebagai sarana pertukaran informasi. Di balik pertukaran informasi yang marak terjadi itu, tersimpan pula niat jahat yang tak bertanggung jawab dengan menyebarkan informasi palsu atau hoax. Informasi palsu yang dapat datang dari berbagai bentuk, seperti gambar, suara, ataupun video ini sebenarnya dapat bermanfaat bila digunakan sebagai foto atau video stock atau hanya sebatas karikatur dan satir. Sayangnya, informasi palsu ini dapat pula digunakan pada tokoh terkenal untuk membuat mereka terlihat mengatakan atau melakukan sesuatu yang sebenarnya tidak pernah terjadi. Hal ini tentu perlu dikendalikan, salah satunya menggunakan deepfake detector yang bertujuan untuk mengenali informasi palsu berbentuk gambar. Deepfake detector memanfaatkan kemampuan komputer untuk belajar secara mandiri mengenali pola-pola tak kasat mata pada gambar-gambar hoax. Proses ini dapat dilakukan menggunakan salah satu algoritma deep learning, yaitu Convolutional Neural Network, yang mengubah gambar menjadi kumpulan array berisi angka untuk kemudian dilakukan operasi matematis secara berulang pada masing-masing layer. Hasil operasi matematis itu kemudian dapat dijadikan acuan untuk menentukan apakah suatu gambar merupakan gambar asli atau hoax. Penerapan deepfake detector menggunakan Convolutional Neural Network, secara spesifik menggunakan model Resnet-50 pada gambar hoax yang dibuat menggunakan AI dengan model ProGAN, terlihat mampu mendeteksi gambar hoax dengan model yang sama, dengan akurasi sebesar 85%, presisi sebesar 100%, serta recall sebesar 65%, namun terlihat mengalami penurunan ketepatan ketika digunakan dalam deepfake dengan model lain seperti StyleGAN dan BigGAN.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	deepfake, neural network, gambar
Subjects:	000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer > 004.65 Jaringan Komunikasi Komputer 000 Karya Umum > 005 Pemograman > 005.43 Sistem Operasi
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	21 Feb 2024 08:44
Last Modified:	21 Feb 2024 08:44
URI:	https://repositori.buddhidharma.ac.id//id/eprint/1973

Actions (login required)

View Item