Perpustakaan Digital ITB

Perkembangan teknologi machine learning memiliki banyak dampak dalam kehidupan sekarang. Dampak tersebut dapat berupa dampak baik dan buruk. Adanya machine learning memudahkan penggunanya untuk membuat video dengan wajah orang lain dengan memasukkan wajah orang lain menjadi orang yang ada di dalam video aslinya. Video seperti inilah yang disebut dengan video deepfake. Video deepfake ini dapat digunakan hanya untuk hiburan namun bisa juga digunakan untuk hal yang kurang baik seperti penyebaran informasi palsu. Karenanya itu, penelitian ini diadakan untuk mengembangkan pendeteksi deepfake berbasis Artificial Neural Network. Sistem pendeteksi ini menggunakan Neural Network berbasis Convolutional Neural Network dan Long Short-Term Memory untuk menganalisa video berdasarkan inkonsistensi frame yang ada pada video deepfake. Model yang dibangun akan diuji menggunakan metrik akurasi dan loss yang didapat menggunakan data testing. Akurasi sebuah model didapatkan dari perbandingan jumlah prediksi benar dan salah dari model terhadap data testing dan loss didapatkan dari membandingkan hasil prediksi model dengan data sebenarnya. Model tersebut dapat mendeteksi deepfake dengan tingkat akurasi tertinggi 70% dan loss sebesar 0.66. Berdasarkan percobaan yang telah dilakukan, juga didapatkan bahwa penggunaan metode transfer learning dengan model CNN dan LSTM terpisah menghasilkan sistem pendeteksi deepfake yang memiliki performa lebih baik dibandingkan model CNN dan LSTM yang tergabung.