MALEMUKUR, GRACHIELLA DIAN and Bettiza, Martaleli and Pertiwi, Marisha (2026) DETEKSI DEEPFAKE PADA CITRA WAJAH MENGGUNAKAN ARSITEKTUR HYBRID CNN-TRANSFORMER. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (COVER) GRACHIELLA DIAN MALEMUKUR-2201020045-TEKNIK INFORMATIKA-COVER.pdf - Published Version Download (816kB)
	Text (ABSTRAK) GRACHIELLA DIAN MALEMUKUR-2201020045-TEKNIK INFORMATIKA-ABSTRAK.pdf.pdf - Published Version Download (228kB)
	Text (BAB 1) GRACHIELLA DIAN MALEMUKUR-2201020045-TEKNIK INFORMATIKA-BAB 1.pdf - Published Version Download (256kB)
	Text (DAFTAR PUSTAKA) GRACHIELLA DIAN MALEMUKUR-2201020045-TEKNIK INFORMATIKA-DAFTAR PUSTAKA.pdf - Published Version Download (211kB)
	Text (FULL TEKS) GRACHIELLA DIAN MALEMUKUR-2201020045-TEKNIK INFORMATIKA-FULL TEKS.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Penyebaran konten deepfake yang semakin masif menimbulkan ancaman serius terhadap integritas informasi visual, sehingga dibutuhkan sistem deteksi yang akurat dan andal. Penelitian ini bertujuan membangun sistem deteksi deepfake pada citra wajah menggunakan arsitektur hybrid yang dibangun dengan menggabungkan ResNet-34 sebagai backbone CNN untuk mengekstraksi fitur lokal dan Data-efficient Image Transformer (DeiT)-Small sebagai backbone Transformer untuk mengekstraksi fitur global, yang kemudian digabungkan menggunakan metode feature fusion concatenation sebelum diklasifikasikan. Dataset pelatihan yang digunakan merupakan dataset multi-source yang terdiri dari 20.776 citra gabungan dari GRAVEX-200K, FaceForensics++, dan Deepfake and Real Images dengan komposisi kelas yang seimbang. Hasil eksperimen menunjukkan bahwa model hybrid yang dilatih mencapai 96,88%, precision 96,89%, recall 96,88%, dan F1-score 96,88%, pada data uji internal. Pengujian lintas dataset menggunakan StyleGAN–StyleGAN2 Deepfake Face Images menunjukkan penurunan accuracy menjadi 74,75% akibat domain shift.

Actions (login required)

View Item