TY  - THES
KW  - Deepfake
KW  -  Xception
KW  -  Deep Learning
KW  -  Grad-CAM
KW  -  Explainable
Artificial Intelligence.
Y1  - 2026/05/21/
A1  - Pratama, Nizar Mohammad Bintang Tri
PB  - Universitas AMIKOM Yogyakarta
N2  - Perkembangan teknologi kecerdasan buatan telah memungkinkan
pembuatan konten manipulasi wajah yang dikenal sebagai deepfake, yang
berpotensi menimbulkan dampak serius seperti penyebaran informasi palsu,
penipuan digital, dan ancaman terhadap privasi individu. Meskipun model deep
learning mampu mendeteksi deepfake dengan akurasi tinggi, sifat black-box dari
model tersebut menyebabkan sulitnya memahami proses pengambilan keputusan
yang dihasilkan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi
deepfake berbasis arsitektur Xception dengan pendekatan transfer learning dan
fine-tuning, serta menerapkan metode Explainable Artificial Intelligence (XAI)
menggunakan teknik Gradient-weighted Class Activation Mapping (Grad-CAM)
untuk meningkatkan transparansi model. Dataset yang digunakan adalah CelebDFV2
yang
terdiri
dari
20.000
citra
wajah
asli
dan
deepfake,
dengan
tahapan
praproses

meliputi
resampling,
face
cropping
menggunakan
MTCNN,
dan
augmentasi
data.

Hasil

evaluasi menunjukkan bahwa model berhasil mencapai akurasi sebesar
93,6%, nilai recall kelas Fake sebesar 0,98, dan nilai AUC sebesar 0,9888, yang
mengindikasikan kemampuan diskriminasi model yang sangat baik. Visualisasi
Grad-CAM membuktikan bahwa model memfokuskan perhatiannya pada area
wajah yang relevan secara semantik dalam proses klasifikasi, sehingga
meningkatkan interpretabilitas dan kepercayaan terhadap sistem. Hasil penelitian
ini dapat dimanfaatkan oleh peneliti, praktisi keamanan digital, jurnalis, serta
penegak hukum dalam upaya verifikasi keaslian konten visual di era kecerdasan
buatan.
AV  - restricted
TI  - PENERAPAN EXPLAINABLE ARTIFICIAL INTELLIGENCE
(XAI) PADA MODEL DEEP LEARNING UNTUK DETEKSI
GAMBAR DEEPFAKE MENGGUNAKAN GRAD-CAM
ID  - universitasamikomyogyakarta33134
M1  - bachelor
UR  - https://eprints.amikom.ac.id/id/eprint/33134/
ER  -