eprintid: 33023
rev_number: 15
eprint_status: archive
userid: 12
dir: disk0/00/03/30/23
datestamp: 2026-09-25 04:29:05
lastmod: 2026-09-25 04:29:05
status_changed: 2026-09-25 04:29:05
type: thesis
metadata_visibility: show
creators_name: Mantur, Nikolaus Gilberto Putra
creators_nim: 22.11.5085
contributors_name: Sasongko, Theopilus Bayu
corp_creators: Universitas AMIKOM Yogyakarta
title: DETEKSI DEEPFAKE PADA FRAME VIDEO
MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK 
DENGAN PERBANDINGAN ARSITEKTUR XCEPTIONNET
DAN EFFICIENTNET-B0
ispublished: pub
subjects: 000.000.006
divisions: if
full_text_status: restricted
keywords: Deepfake, CNN, XceptionNet, EfficientNet-B0, Transfer Learning.
abstract: Perkembangan 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.
date: 2026-05-22
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Mantur, Nikolaus Gilberto Putra  (2026) DETEKSI DEEPFAKE PADA FRAME VIDEO MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN PERBANDINGAN ARSITEKTUR XCEPTIONNET DAN EFFICIENTNET-B0.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/33023/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33023/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33023/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33023/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33023/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33023/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33023/7/Daftar%20Pustaka.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33023/8/Sourcecode%20-%2022.11.5085.zip
document_url: https://eprints.amikom.ac.id/id/eprint/33023/9/Publikasi.pdf