ZULDIKA, PUTRA (2026) RANCANG BANGUN SISTEM DETEKSI VIDEO DEEPFAKE BERBASIS WEB MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK EFFICIENTNET-B0. undergraduate thesis, Universitas Muhammadiyah Mataram.
This is the latest version of this item.
![[img]](https://repository.ummat.ac.id/style/images/fileicons/text.png) |
Text
COVER-DAFTAR PUSTAKA-ZULDIKA.pdf Restricted to Repository staff only Download (2MB) |
|
Text
SIMILARITY CHECK.pdf Restricted to Repository staff only Download (2MB) |
Abstract
Perkembangan teknologi Deepfake telah menimbulkan ancaman serius berupa penyebaran disinformasi dan penipuan di Indonesia, sebagaimana ditunjukkan oleh lonjakan kasus penipuan berbasis kecerdasan buatan yang mencapai 1.550% sejak tahun 2022 hingga 2024. Penelitian ini bertujuan untuk merancang, membangun, dan mengevaluasi sistem deteksi video deepfake berbasis web menggunakan model Convolutional Neural Network (CNN) EfficientNet-B0 yang dilatih pada dataset FaceForensics++ (FF++) kompresi c23. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan tujuh tahapan menurut Sugiyono (2020), yang dipadukan dengan pendekatan Agile pada tahap pengembangan produk melalui tiga sprint iteratif. Pipeline sistem meliputi ekstraksi frame menggunakan OpenCV, deteksi dan pemotongan wajah dengan MTCNN, normalisasi citra, inferensi model EfficientNet-B0 melalui strategi transfer learning dua fase, hingga penentuan keputusan akhir dengan mekanisme majority voting. Sistem diimplementasikan sebagai aplikasi web menggunakan Flask pada sisi backend dan React.js pada sisi frontend. Hasil pengujian pada 6.000 frame data uji menunjukkan model mencapai akurasi sebesar 81,73%, precision 81,25%, recall 82,50%, dan F1-score 81,87%, dengan performa yang seimbang antara kelas real dan fake. Pengujian black box terhadap sepuluh skenario fungsional menunjukkan seluruh fitur sistem berjalan sesuai spesifikasi kebutuhan. Hasil penelitian ini membuktikan bahwa EfficientNet-B0 mampu memberikan keseimbangan yang baik antara akurasi dan efisiensi komputasi, sehingga sistem yang dihasilkan dapat diakses secara praktis oleh masyarakat umum tanpa memerlukan perangkat keras berperforma tinggi sebagai upaya melawan penyebaran hoaks dan disinformasi berbasis deepfake.
| Item Type: | Thesis (undergraduate) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Uncontrolled Keywords: | Deepfake, EfficientNet-B0, Deep Learning, Klasifikasi Video, Research and Development, Agile | |||||||||
| Subjects: | 000 Karya Umum > 004 Pemrosesan Data dan Ilmu Komputer 000 Karya Umum > 003 Sistem-Sistem |
|||||||||
| Divisions: | Fakultas Teknik > S1 Sistem dan Teknologi Informasi > Laporan Tugas Akhir | |||||||||
| Depositing User: | ZULDIKA PUTRA | |||||||||
| Date Deposited: | 27 Aug 2026 07:50 | |||||||||
| Last Modified: | 27 Aug 2026 07:50 | |||||||||
| URI: | https://repository.ummat.ac.id/id/eprint/15963 |
Available Versions of this Item
- RANCANG BANGUN SISTEM DETEKSI VIDEO DEEPFAKE BERBASIS WEB MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK EFFICIENTNET-B0. (deposited 27 Aug 2026 07:50) [Currently Displayed]
Actions (login required)
 |
View Item |