| dc.description.abstract | Perkembangan pesat Artificial Intelligence (AI) membuat gambar hasil
generasi AI semakin menyerupai foto autentik dan sulit dibedakan secara visual.
Wajah seseorang kini dapat dimanipulasi karena adanya berbagai algoritma
berbasis teknologi deep learning. Salah satu fenomena yang muncul sebagai
konsekuensi dari perkembangan tersebut adalah deepfake. Menurut laporan
Deepfake Statistics 2025 (AI Fraud Data & Trends), jumlah file deepfake secara
global meningkat dari sekitar 5,5 juta pada tahun 2023 dan diproyeksikan mencapai
lebih dari 8 juta file pada tahun 2025. Menurut Kementerian Komunikasi dan
Digital (Komdigi) Republik Indonesia, fenomena konten deepfake telah meningkat
tajam. Data dari platform deteksi ancaman AI menunjukkan bahwa jumlah konten
deepfake meningkat sebesar 550% sejak 2019 dan 90% di antaranya digunakan
untuk tujuan berbahaya. Penelitian ini menggunakan Convolutional Neural
Network (CNN) dengan arsitektur EfficientNet-B0 untuk mengklasifikasikan wajah
asli dan deepfake pada dataset wajah orang Indonesia. Hasil pengujian
menunjukkan bahwa model menunjukkan kinerja yang baik dan konsisten dalam
mendeteksi wajah deepfake. Evaluasi pada data uji menghasilkan akurasi sebesar
98%, dengan rata-rata F1-score di atas 0.96 serta nilai AUC pada rentang 0.999 -
1.000. Visualisasi t-SNE menunjukkan bahwa model mampu memisahkan
representasi fitur wajah asli dan deepfake ke dalam klaster yang terpisah secara
jelas. Berdasarkan Grad-CAM, dapat diidentifikasi bahwa keputusan model
dipengaruhi oleh analisis tekstur kulit wajah di area pipi dan rahang, dengan
kontribusi yang relatif rendah dari elemen latar belakang. Hasil penelitian ini
diharapkan dapat menjadi dasar bagi pengembangan sistem deteksi deepfake
otomatis serta mendukung penguatan keamanan siber berbasis AI dalam
mengurangi penyalahgunaan konten manipulatif di Indonesia. | en_US |
