Pascasarjana.umsida.ac.id – Perkembangan kecerdasan buatan atau *Artificial Intelligence* (AI) membuka peluang besar bagi lahirnya berbagai inovasi digital. Namun, kemajuan tersebut juga menghadirkan tantangan baru berupa video sintetis atau *deepfake* yang semakin realistis dan sulit dibedakan dari rekaman asli.
Baca Juga: Dosen MM Umsida Dorong Kampus Jadi Inkubator Kompetensi
Fenomena tersebut menjadi perhatian dalam penelitian berjudul “Perancangan Aplikasi Berbasis Web untuk Membedakan Video yang Dihasilkan oleh AI dengan Video Asli Menggunakan Metode Transformer”.
Penelitian ini dilakukan oleh Eka Nugraha Saktifany Wicaksana, Rohman Dijaya, Irwan Alnarus Kautsar, dan Nuril Lutvi Azizah dari bidang Teknik Informatika Universitas Muhammadiyah Sidoarjo (Umsida).
Riset tersebut relevan dengan pengembangan keilmuan Magister Inovasi Sistem dan Teknologi (MIST) Pascasarjana Umsida, khususnya dalam pemanfaatan kecerdasan buatan untuk memperkuat keamanan dan integritas informasi digital.
Deepfake Mengancam Integritas Informasi Digital
Teknologi deepfake memungkinkan seseorang membuat atau memanipulasi video dengan menampilkan wajah, ekspresi, suara, dan gerakan yang menyerupai kondisi sebenarnya. Apabila disalahgunakan, teknologi tersebut berpotensi menjadi sarana penyebaran misinformasi, penipuan digital, pelanggaran privasi, hingga ancaman keamanan.
Kemampuan AI dalam menghasilkan konten visual yang semakin realistis membuat proses verifikasi video menjadi lebih kompleks. Tantangan tersebut tidak hanya dihadapi masyarakat umum, tetapi juga jurnalis, lembaga pendidikan, pemerintah, serta pelaku industri digital.
Pengamatan manusia secara visual dinilai tidak lagi cukup untuk mengenali video yang telah dimanipulasi. Artefak atau jejak manipulasi pada video sering kali berada pada detail yang sangat kecil dan sulit terlihat secara langsung.
Oleh karena itu, penelitian ini menawarkan solusi berupa aplikasi berbasis web yang dapat membantu pengguna membedakan video asli dengan video hasil manipulasi AI. Sistem komputasi digunakan untuk membaca pola dan karakteristik visual yang tidak mudah dikenali oleh mata manusia.
Kombinasikan ConvNeXt dan Vision Transformer
Model deteksi deepfake dalam penelitian ini menggunakan arsitektur hybrid yang mengombinasikan ConvNeXt dan Vision Transformer atau ViT.
ConvNeXt dimanfaatkan untuk mengekstraksi fitur lokal pada citra wajah, seperti tekstur, tepian, dan detail visual tertentu. Sementara itu, Vision Transformer digunakan untuk menangkap konteks visual secara global melalui mekanisme *self-attention*.
Kombinasi kedua arsitektur tersebut memungkinkan sistem mengenali artefak manipulasi secara lebih menyeluruh. Model tidak hanya menganalisis detail kecil pada wajah, tetapi juga hubungan antarelemen visual dalam satu frame video.
Sistem tersebut turut diperkuat menggunakan dua jalur rekonstruksi, yaitu *Autoencoder* (AE) dan *Variational Autoencoder* (VAE). Keduanya digunakan untuk mempelajari representasi citra wajah asli dan hasil manipulasi secara lebih mendalam.
Melalui pendekatan tersebut, model dapat mengenali perbedaan distribusi data antara video asli dan video *deepfake*. Hasil keluaran dari kedua jalur kemudian digabungkan melalui metode *ensemble* untuk meningkatkan stabilitas dan ketepatan klasifikasi.
Dataset penelitian diperoleh dari sejumlah sumber publik, yaitu Deepfake Detection Challenge atau DFDC, FaceForensics++, DeepfakeTIMIT, dan Celeb-DF v2.
Video dalam dataset diekstraksi menjadi frame gambar dengan fokus pada area wajah. Proses tersebut menghasilkan sekitar satu juta citra wajah yang selanjutnya dibagi menjadi data pelatihan, validasi, dan pengujian.
Deteksi Deepfake Capai Rata-Rata 96,125 Persen
Hasil pengujian menunjukkan bahwa model yang dikembangkan memiliki performa tinggi dalam mendeteksi video deepfake.
Model ensemble berbasis AE dan VAE menghasilkan nilai F1-Score sebesar 99,1 persen pada dataset DFDC, 95,5 persen pada FaceForensics++, 98,3 persen pada DeepfakeTIMIT, dan 91,6 persen pada Celeb-DF v2.
Secara keseluruhan, rata-rata nilai F1-Score dari empat dataset tersebut mencapai 96,125 persen. Hasil itu menunjukkan bahwa pendekatan hybrid yang dikembangkan mampu mengenali berbagai jenis manipulasi video dengan tingkat generalisasi yang baik.
Penelitian ini juga menghasilkan antarmuka berbasis Gradio untuk memudahkan penggunaan sistem. Melalui aplikasi tersebut, pengguna dapat mengunggah video, menjalankan proses analisis, serta melihat hasil klasifikasi berupa label real atau fake beserta nilai tingkat keyakinan atau *confidence score*.
Pengembangan aplikasi deteksi *deepfake* menjadi penting di tengah meningkatnya produksi dan penyebaran konten visual berbasis AI. Kemampuan melakukan verifikasi video tidak hanya berkaitan dengan kecanggihan teknologi, tetapi juga menjadi bagian dari literasi digital dan perlindungan masyarakat dari informasi palsu.
Riset ini memperlihatkan bahwa kecerdasan buatan tidak hanya dapat digunakan untuk menghasilkan konten sintetis, tetapi juga dikembangkan sebagai instrumen untuk mengidentifikasi dan mengurangi dampak penyalahgunaan teknologi tersebut.
Keberadaan sistem deteksi berbasis web diharapkan dapat memberikan alat bantu yang lebih praktis bagi masyarakat dan berbagai institusi dalam memeriksa keaslian konten video sebelum mempercayai atau menyebarluaskannya.
Baca Juga:Nadjih Ihsan Ajak Tendik Umsida Hidupkan Tauhid dalam Pekerjaan
Sumber: Artikel “Perancangan Aplikasi Berbasis Web untuk Membedakan Video yang Dihasilkan oleh AI dengan Video Asli Menggunakan Metode Transformer”, *JATI: Jurnal Mahasiswa Teknik Informatika*, Vol. 10 No. 1, Februari 2026.
