Perpustakaan Digital ITB

Proses pendeteksian manipulasi video deepfake di Indonesia menghadapi kendala krusial terkait penyebaran melalui platform media sosial yang menerapkan kompresi agresif. Saat ini, kondisi mayoritas dataset deepfake global masih didominasi oleh subjek ras asing (Kaukasia) dan berfokus pada video berkualitas tinggi. Hal tersebut menciptakan kesenjangan (gap) berupa bias demografis yang memicu tingginya tingkat kesalahan klasifikasi algoritma pada wajah lokal, serta ketidakmampuan model dalam menangani hilangnya jejak forensik tingkat piksel pada resolusi rendah. Untuk mengatasi kesenjangan tersebut, penelitian ini mengembangkan dataset IndoDeepfake khusus etnis Indonesia menggunakan pendekatan data-centric. Pengembangan diawali dengan mengakuisisi 208 video beresolusi tinggi (720p) dari 13 kelompok suku bangsa utama di Indonesia guna menekan bias rasial. Proses generasi kepalsuan dilakukan ke dalam tiga kategori utama: FaceSwap, VoiceClone, dan Multimodal (lip-sync). Guna meniru skenario penyebaran disinformasi di lapangan secara nyata, sistem menerapkan emulasi degradasi kualitas dengan menjadikan dataset ini memiliki dua variasi kualitas utama, yaitu resolusi asli 720p dan kompresi ekstrem 144p (dengan penekanan laju bit audio ke 48 kbps), menghasilkan total 2.912 berkas data. Evaluasi ruang laten menggunakan algoritma t-SNE membuktikan bahwa kompresi 144p merusak karakteristik diskriminatif visual secara masif. Pengujian ketahanan menggunakan XceptionNet menunjukkan performa deteksi yang anjlok secara drastis? akurasi pada kelas Multimodal merosot dari 83,78% (720p) menjadi 50,85% (144p), performa kelas FaceSwap merosot tajam dengan tingkat probabilitas kegagalan atau Equal Error Rate (EER) menyentuh 50,00%, dan akurasi kelas VoiceClone stagnan di kisaran 52%-57%. Kesimpulannya, dataset IndoDeepfake varian 144p terbukti memvalidasi hipotesis kerusakan artifak, menjadikannya benchmark pengujian yang jauh lebih menantang dan realistis dibandingkan skenario kualitas rendah pada dataset global terdahulu.