Deteksi Deepfake pada Gambar Medis Menggunakan YOLOv11

Abstrak

Kemajuan Artificial Intelligence memicu terlahirnya tantangan deepfake gambar realistis hingga sektor kesehatan. Kontribusi penelitian ini adalah implementasi dan analisis performa YOLOv11 untuk deteksi gambar deepfake medis pada dataset CT scan paru-paru yang mencakup variasi kasus benign dan malign. Lingkup penelitian dibatasi pada klasifikasi biner antara asli atau palsu yang diuji secara bertahap. Metode manipulasi CT-GAN dan stable diffusion (SD) dipergunakan untuk menguji performa model. Hasil penelitian menunjukkan bahwa model YOLOv11 pada manipulasi gambar buatan stable diffusion mencapai nilai akurasi, presisi, recall, dan f1-score 100%. Manipulasi gambar CT-GAN memiliki kendala dalam membedakan gambar CT scan kanker paru-paru yang asli dan palsu. Dengan perbaikan dan peningkatan lanjutan, hasil fine tuning YOLOv11 dapat menjadi salah satu opsi model gambar medis deepfake yang relatif ringan, cepat, dan akurat. Hasil ini berpotensi mendukung keamanan data pasien dan menjaga integritas diagnostik klinis di masa yang akan datang.

Identifier

• OpenAlex: https://openalex.org/W7163124971
• DOI: https://doi.org/10.33364/algoritma/v.23-1.2982