PENERAPAN CONVOLUTIONAL NEURAL NETWORK DAN CAPSULE NETWORKS DALAM MENDETEKSI DEEPFAKE
Article Sidebar
Main Article Content
Abstract
Pada tulisan ini mendemonstrasikan bagaimana perbandingan dalam pendeteksi deepfake antara tiga arsitektur convolutional neural network yaitu Resnet 50, VGG 19 dan Xception. Dalam percobaan ini, arsitektur-arsitektur tersebut akan dikombinasikan dengan model capsule networks, yang terdiri dari 2 lapisan konvolusi pada kapsul primer dan 2 kapsul keluaran yang akan diisi dengan label asli dan deepfake. Dibuat sebuah basis data yang terdiri dari 6000 data asli dan 4000 data deepfake dan dilatih melalui 100 epochs dan 10 batch size. Setelah itu, 20 gambar acak akan digunakan dalam proses pengujian pendeteksi deepfake berdasarkan label yang ada pada basis data. Hasilnya menunjukkan bahwa ketiga arsitektur tersebut mampu mendeteksi gambar deepfake dengan berbagai tingkat akurasi yaitu Resnet 50 dengan tingkat akurasi 64,133%, VGG 19 dengan tingkat akurasi 61,067% dan Xception dengan tingkat akurasi 64,067%.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under a Jurnal Komunikasi Creative Commons Attribution-ShareAlike 4.0 International License.
References
R. A. S. Rahayu dan S. Handri, “ANALISIS GAMBAR WAJAH PALSU: MENDETEKSI KEASLIAN GAMBAR YANG DIMANIPULASI MENGGUNAKAN METODE VARIATIONAL AUTOENCODER DAN FORENSICS DEEP NEURAL NETWORK,” Sibatik Journal, pp. 2701-2726, 2023.
M. Napizahni, “Mengenal Deepfake dan Bahayanya yang MengintaiMengenal Deepfake dan Bahayanya yang Mengintai,” Dewaweb, 20 Mei 2022. [Online]. Available: https://www.dewaweb.com/blog/apa-itu-deepfake/. [Diakses 8 November 2023].
S. Singh, CAPSULE NETWORK TO DETECT FAKE IMAGES AND VIDEOS, Cham: Springer Nature, 2022.
B. N. Karthik, D. p. Anbalangan dan D. G. Pradeep, “Spatial Feature-based Fake Capsule Network Model for Deep fake,” Mathematical Statistician and Engineering Applications, vol. 71, no. 4, pp. 1481-1489, 2022.
S. S. Khalil, S. M. Youssef dan S. N. Saleh, “iCaps-Dfake: An Integrated Capsule-Based Model for,” future internet, vol. 13, no. 4, pp. 1-19, 2021.
P. A. Nugroho, I. Fenriana dan R. Arijanto, “IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ( CNN ) PADA EKSPRESI MANUSIA,” ALGOR, vol. 2, no. 1, pp. 12-21, 2020.
N. Jaymon, S. Nagdeote, A. Yadav dan R. Rodrigues, “Real Time Emotion Detection Using Deep Learning,” 2021 International Conference on Advances in Electrical, Computing, Communication and Sustainable Technologies (ICAECT), pp. 1-7, 2021.
B. M. Sujatmiko, E. Yudaningtyas dan P. M. Raharjo, “CONVOLUTION NEURAL NETWORK DENGAN DESAIN JARINGAN RESNET SEBAGAI METODE KLASIFIKASI TUMOR KULIT,” Jurnal SimanteC, vol. 11, no. 1, pp. 53-64, 2022.