Implementasi algoritma Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 untuk deepfake face detection

Briliantama, Billy Yudha (2025) Implementasi algoritma Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 untuk deepfake face detection. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (53kB) | Preview
Preview	Text 2_abstrak.pdf Download (1MB) | Preview
Preview	Text 3_skbebasplagiarisme.pdf Download (313kB) | Preview
Preview	Text 4_daftarisi.pdf Download (3MB) | Preview
Preview	Text 5_bab1.pdf Download (3MB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (14MB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (12MB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (21MB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (5MB) | Request a copy
	Text 11_lampiran.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Perkembangan teknologi digital telah mendorong peningkatan penyebaran konten manipulatif seperti deepfake, yang berpotensi digunakan dalam penipuan, pencemaran nama baik, dan penyebaran hoaks. Teknologi deep learning, khususnya Convolutional Neural Network (CNN), menawarkan solusi efektif untuk mendeteksi deepfake dengan akurasi tinggi. Penelitian ini menggunakan OpenForensics, sebuah dataset berskala besar yang dikembangkan oleh Trung-Nghia Le dari National Institute of Informatics, Jepang. Dataset ini disampling sebesar 10% dari total 190.334 gambar, kemudian digunakan untuk melatih model deteksi wajah palsu menggunakan arsitektur ResNet-50 berbasis transfer learning. Model dioptimalkan menggunakan kombinasi batch size 32 dan 64, serta learning rate 0,001 dan 0,0001. Hasil evaluasi terbaik menunjukkan bahwa model mencapai akurasi, presisi, recall, dan f1-score sebesar 97%. Model kemudian diimplementasikan ke dalam aplikasi berbasis web yang terhubung dengan model melalui REST API, memungkinkan pengguna mengunggah gambar wajah dan memperoleh hasil klasifikasi secara real-time. Pengujian juga dilakukan menggunakan dataset primer yang berbeda domain, di mana performa model menurun secara signifikan pada gambar palsu akibat fenomena domain shift. Hasil penelitian ini menegaskan efektivitas arsitektur ResNet-50 dalam deteksi deepfake, sekaligus menunjukkan tantangan generalisasi pada domain baru.

Actions (login required)

View Item