DETEKSI DEEPFAKE PADA CITRA BIOMETRIK WAJAH MENGGUNAKAN YOLOv9 DAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstrak

Perkembangan pesat teknologi kecerdasan buatan (AI) dan deep learning dalam dekade terakhir telah merevolusi berbagai bidang, termasuk pemrosesan citra digital. Salah satu inovasi yang menonjol adalah teknologi deepfake, yang memanfaatkan algoritma Generative Adversarial Networks (GAN) dan teknik image synthesis untuk menghasilkan citra atau video sintetis dengan tingkat kemiripan yang hampir tidak dapat dibedakan dari data asli. Meskipun memiliki potensi positif dalam industri kreatif dan pendidikan, deepfake juga menimbulkan beberapa tantangan serius terkait keamanan digital dan privasi. Laporan dari berbagai lembaga keamanan siber menunjukkan bahwa mayoritas konten deepfake yang beredar secara daring berfokus pada manipulasi wajah perempuan tanpa persetujuan mereka, menimbulkan dampak psikologis, sosial, dan hukum yang signifikan. Kondisi ini menegaskan urgensi pengembangan metode deteksi yang efektif, akurat, dan adaptif untuk mengidentifikasi manipulasi citra wajah sebagai bagian dari upaya perlindungan privasi dan martabat individu di era digital. Penelitian ini bertujuan mendeteksi deepfake pada citra biometrik wajah khususnya perempuan menggunakan metode YOLOv9 sebagai deteksi objek realtime dan metode CNN untuk meningkatkan akurasi deteksi. Dari penelitian yang sudah dilakukan bisa disimpulkan bahwa penggunaan metode YOLOv9 dan CNN mampu mengenali dan mendeteksi citra wajah asli atau citra wajah deepfake. Hal tersebut dibuktikan dengan tingkat akurasi mencapai rata-rata 90%-91%. Sehingga diharapkan dari penelitian ini bisa diaplikasikan untuk membedakan wajah yang asli dengan wajah deepfake sebagai salah satu usaha awal untuk mencegah kejahatan cybercrime dalam bidang biometrik wajah khususnya gender perempuan.

Identifier

• OpenAlex: https://openalex.org/W7125927758
• DOI: https://doi.org/10.31328/ciastech.v8i1.7518