EPrints Universitas Amikom YogyakartaDETEKSI DEEPFAKE PADA FRAME VIDEO MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN PERBANDINGAN ARSITEKTUR XCEPTIONNET DAN EFFICIENTNET-B0Nikolaus Gilberto PutraManturauthorPerkembangan Teknologi Artificial Intelligence(AI) khususnya deepfake menimbulkan berbagai permasalahan seperti penyebaran informasi palsu, manipulasi media digital, penipuan identitas, dan penyalahgunaan konten visual. Deepfake mampu memanipulasi wajah manusia pada gambar maupun video sehingga sulit dibedakan dari konten asli. Kondisi ini dapat menurunkan tingkat kepercayaan masyarakat terhadap media digital da berpotensi menimbulkan dampak negatif pada keamanan informasi. Oleh karena itu, diperlukan sistem deteksi otomatis yang mampu mengidentifikasi konten deepfake secara akurat. Penelitian ini bertujuan untuk membangun sistem deteksi deepfake berbasis Convolutional Neural Network(CNN) menggunakan arsitektur XceptionNet dan EfficientNet-B0 dengan pendekatan Transfer Learning. Dataset yang digunakan berasal dari kaggle berupa video Real dan Fake yang kemudian di ekstraksi menjadi frame gambar wajah. Tahapan penelitian meliputi Preprocessing Data, Resize Image, Normalisasi, Data Augmentation dan Data Tanpa Augmentation, Training Model, Fine Tuning, Evaluasi Model, Hingga Implementasi ke aplikasi Web berbasis Gradio. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-Score, Confusion Matrix, dan Inference Time. Hasil Penelitian Menunjukan bahwa penggunaan data augmentation dan fine tuning mampu meningkatkan performa model dalam mendeteksi deepfake. Model terbaik diperoleh pada XceptionNet dengan augmentation yang menghasilkan accuracy sebesar 80%, Lebih baik dibandingkan EfficientNet-B0 dengan accuracy sebesar 77% Penelitian ini berhasil mengimplementasikan klasifikasi sistem deteksi deepfake berbasis web yang mampu melakukan klasifikasi gambar dan video secara otomatis. Hasil penelitian ini dapat dimanfaatkan sebagai referensi pengembangan sistem keamanan digital, vierifikasi media, dan penelitian deteksi deepfake berbasi Deep Learning.006 Metode komputer khusus2026-05-22Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.