DETEKSI VIDEO DEEPFAKE MENGGUNAKAN SPATIOTEMPORAL CONVOLUTIONAL NETWORK DAN PHOTO-RESPONSE NON-UNIFORMITY

Deteksi video deepfake penting dilakukan untuk membedakan antara video asli atau palsu yang menyebabkan disinformasi di era digital sehingga diperlukan tingkat akurasi yang tinggi. Namun, akurasi deteksi video deepfake terbatas oleh jumlah dan kualitas dataset, proses deteksi, dan inkonsisten Performance Evaluation yaitu model deteksi tidak dapat mengetahui video yang manipulasi dengan tools video editing. Penelitian ini memberikan solusi atas permasalah ini menggunakan metode Spatiotemporal Convolutional Network dan analisis Photo-Response Non-Uniformity (PRNU). Dataset yang digunakan akan melalui tahapan pre-processing, mengekstrak video per-frame, mendeteksi bagian wajah, dan face cropping. Kemudian seluruh data dilatih dan dibuat model menggunakan RestNext50 dan LSTM. Penelitian ini menghasilkan 10 model yang dilatih menggunakan dataset FaceForensic++, CelebDF, DFDC dan campuran dari dataset tersebut yang kemudian dapat digunakan untuk menganalisis video deepfake. Hasil pengujian menunjukkan proses deteksi deepfake lebih cepat, akurat dengan tingkat akurasi hingga 97,89%.