Mist.umsida.ac.id – Perkembangan teknologi kecerdasan buatan atau Artificial Intelligence (AI) membawa peluang besar bagi inovasi digital. Namun, kemajuan ini juga menghadirkan tantangan baru, salah satunya kemunculan video sintetis atau deepfake yang semakin realistis dan sulit dibedakan dari video asli.
Baca Juga: Podcast MIST Umsida Tegaskan Pendidikan sebagai Investasi Masa Depan
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 Teknik Informatika Universitas Muhammadiyah Sidoarjo (Umsida).
Deepfake Jadi Tantangan Integritas Informasi Digital
Dalam penelitian tersebut dijelaskan bahwa teknologi deepfake berpotensi digunakan untuk menyebarkan misinformasi, penipuan digital, hingga pelanggaran etika, privasi, dan keamanan. Video yang dimanipulasi dengan bantuan AI kini mampu menampilkan wajah, ekspresi, dan gerakan yang menyerupai kondisi nyata.
Kondisi ini membuat proses verifikasi konten menjadi semakin kompleks. Tidak hanya masyarakat umum, jurnalis, lembaga pendidikan, institusi pemerintah, hingga pelaku industri digital juga menghadapi tantangan dalam memastikan keaslian informasi berbasis video.
Karena itu, penelitian ini menawarkan solusi berupa aplikasi berbasis web yang dirancang untuk membantu membedakan video asli dan video hasil manipulasi AI. Pendekatan ini penting karena kebutuhan deteksi deepfake tidak cukup hanya mengandalkan pengamatan visual manusia, tetapi memerlukan sistem komputasi yang mampu membaca pola manipulasi secara lebih mendalam.
Gunakan ConvNeXt dan Vision Transformer
Penelitian ini mengembangkan model deteksi deepfake berbasis arsitektur hybrid yang mengombinasikan ConvNeXt dan Vision Transformer atau ViT. ConvNeXt digunakan untuk mengekstraksi fitur lokal pada citra wajah, sedangkan Vision Transformer berperan menangkap konteks global melalui mekanisme self-attention.
Kombinasi tersebut memungkinkan sistem membaca detail visual yang halus, termasuk artefak manipulasi yang sering tidak terlihat oleh mata manusia. Model ini juga diperkuat dengan dua jalur rekonstruksi, yaitu Autoencoder (AE) dan Variational Autoencoder (VAE).
Melalui AE dan VAE, sistem dapat mempelajari representasi citra wajah asli maupun manipulasi secara lebih mendalam. Kedua pendekatan tersebut membantu model mengenali perbedaan distribusi data antara video asli dan video deepfake.
Dataset yang digunakan dalam penelitian ini berasal dari beberapa sumber publik, seperti DFDC, FaceForensics++, DeepfakeTIMIT, dan Celeb-DF v2. Video-video tersebut diekstraksi menjadi frame gambar dengan fokus pada area wajah. Dari proses tersebut, penelitian ini menghasilkan sekitar satu juta citra wajah yang kemudian dibagi menjadi data pelatihan, validasi, dan pengujian.
Akurasi Tinggi untuk Deteksi Deepfake
Hasil pengujian menunjukkan bahwa model yang dikembangkan memiliki performa tinggi dalam mendeteksi video deepfake. Model ensemble berbasis AE dan VAE mampu mencapai nilai F1-Score sebesar 99,1 persen pada dataset DFDC, 95,5 persen pada FF++, 98,3 persen pada TIMIT, dan 91,6 persen pada Celeb-DF v2.
Rata-rata nilai F1-Score dari seluruh dataset mencapai 96,125 persen. Angka ini menunjukkan bahwa pendekatan hybrid yang digunakan memiliki kemampuan generalisasi yang baik terhadap berbagai jenis manipulasi video.
Selain pengujian model, penelitian ini juga merancang antarmuka berbasis Gradio. Melalui antarmuka tersebut, pengguna dapat mengunggah video, menjalankan proses deteksi, dan melihat hasil klasifikasi berupa label real atau fake beserta nilai confidence score.
Pengembangan aplikasi ini relevan dengan kebutuhan dunia digital saat ini, terutama ketika konten visual semakin mudah diproduksi, diedit, dan disebarluaskan. Di tengah derasnya arus informasi, kemampuan mendeteksi keaslian video menjadi bagian penting dari literasi teknologi dan keamanan digital.
Baca Juga: Rektor Umsida Ajak Alumni Pascasarjana Jawab Tantangan Indonesia Emas
Riset ini juga sejalan dengan arah pengembangan keilmuan di bidang inovasi sistem dan teknologi, khususnya dalam pemanfaatan AI untuk menjawab persoalan sosial berbasis teknologi. Dengan adanya sistem deteksi deepfake berbasis web, masyarakat diharapkan memiliki alat bantu yang lebih praktis untuk melakukan verifikasi konten digital.
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.
