View/Open

Author

Date Published
15 Aug 2026

Advisor
Arkham Zahri Rakhman, S.Kom., M.Eng.,
I Wayan Wiprayoga Wisesa, S.Kom., M.Kom.,

Subject
Teknik Informatika

Publisher

Manipulasi video wajah sintetis (deepfake) berbasis kecerdasan buatan menjadi ancaman serius terhadap integritas informasi siber. Metode deteksi konvensional umumnya masih bergantung pada ekstraksi fitur spasial murni (frame-by-frame) yang tidak mampu melacak kontinuitas runtunan waktu. Penelitian ini mengusulkan sebuah model hibrida spasio-temporal yang mengintegrasikan arsitektur ringan MobileNetV2 sebagai pengekstraksi fitur ruang dan Gated Recurrent Unit (GRU) 128 unit sebagai pelacak anomali waktu sepanjang sekuens 30 frame. Praproses data menerapkan kombinasi framestep=5 dan np.linspace untuk meratakan indeks sampel sepanjang durasi video guna menangkap representasi temporal secara utuh tanpa membuang informasi. Eksperimen dieksekusi menggunakan metode studi ablasi yang dikembangkan ke dalam sepuluh skenario pengujian (E1 hingga E10) di bawah restriksi infrastruktur perangkat keras CPU-only. Evaluasi performa sistem diuji secara ketat menggunakan 300 sampel data uji independen (156 Real dan 144 Fake). Hasil pengujian membuktikan bahwa model spasial murni (E1) memiliki keterbatasan dengan akurasi 72,00%, sedangkan integrasi temporal tanpa adaptasi spasial (E3, unfreeze=0) memicu domain mismatch dengan akurasi 67,33%. Penurunan performa akibat gangguan gradien terpantau pada pembukaan tingkat rendah seperti E4 (5 layer) dan E2 (10 layer) yang membuat akurasi terperosok ke 64,00%. Titik balik perbaikan masif dicapai saat pembukaan diperdalam melampaui blok residual teratas pada E6 (30 layer terbuka) dengan akurasi 82,67

URI
https://repo.itera.ac.id/depan/submission/SB2608260051

Keyword
deepfake klasifikasi mobilenetv2 GRU spasio temporal video palsu faceswap