ABSTRAK
Meningkatnya deepfake dan media propaganda, yang ditandai dengan manipulasi wajah dan suara, menimbulkan ancaman signifikan bagi masyarakat dengan menyebarkan misinformasi. Studi ini mengusulkan model berbasis AI canggih untuk mendeteksi konten yang menipu tersebut, memanfaatkan teknik deep learning (DL). Model ini mengintegrasikan arsitektur hibrida yang menggabungkan ResNet, aktivasi Swish, dan jaringan BiLSTM untuk melakukan analisis atribut deepfake yang kuat dan akurat, termasuk perubahan suara, pertukaran wajah, manipulasi emosi, dan sinkronisasi bibir. Dengan menggunakan kumpulan data tolok ukur seperti FaceForensics++ (FF++) dan tantangan deteksi deepfake (DFDC), model ini mencapai akurasi 96% yang mengesankan pada FF++ dan akurasi 78% pada kumpulan data gabungan FF++ dan DFDC. Hasilnya menunjukkan kinerja model yang unggul dibandingkan dengan pendekatan yang ada, yang menyoroti potensinya dalam memerangi misinformasi yang didorong oleh deepfake di platform media sosial.
Deteksi Deepfake Generasi Berikutnya: Model ResNet-Swish-BiLSTM untuk Memberikan Akurasi Unggul dalam Forensik Visual
