SHEVCHENKO, Arya Dheffan (2025) KLASIFIKASI VIDEO ASLI VS VIDEO PALSU (AI) MENGGUNAKAN MODEL GENERATIVE ADVERSARIAL NETWORKS (GANs). Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER JUDUL.pdf Download (33kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN.pdf Download (254kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (319kB)
	Text 4. KATA PENGANTAR.pdf Download (457kB)
	Text 6. ABSTRAK.pdf Download (7kB)
	Text 7. ABSTRACT.pdf Download (76kB)
	Text 8. DAFTAR ISI.pdf Download (49kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (145kB)

Abstract

ABSTRAK
Kemajuan teknologi kecerdasan buatan (AI) dalam hal manipulasi konten visual, khususnya
video, menjadi semakin canggih, salah satunya melalui deepfake, yaitu metode yang
menggunakan jaringan saraf untuk menghasilkan atau mengubah video secara realistis.
Meskipun teknologi ini bermanfaat dalam bidang hiburan dan pendidikan, potensi
penyalahgunaannya, seperti pembuatan video palsu yang menyesatkan atau merusak
reputasi, menjadi ancaman serius. Untuk mengatasi masalah ini, pendekatan berbasis
Generative Adversarial Networks (GAN) menawarkan solusi yang menjanjikan. GAN
terdiri dari generator yang menghasilkan data palsu dan discriminator yang membedakan
antara data asli dan palsu. Dalam konteks klasifikasi deepfake, GAN dilatih secara kompetitif
untuk mengenali manipulasi video secara adaptif, memanfaatkan pola unik dalam deepfake
yang sulit diidentifikasi oleh manusia. Pendekatan ini tidak hanya meningkatkan akurasi
klasifikasi seiring dengan kompleksitas data tetapi juga memungkinkan proses yang lebih
cepat dibandingkan metode konvensional. Implementasi GAN dalam klasifikasi video
manipulasi memiliki dampak signifikan pada keamanan digital dan sosial, melindungi dari
penyebaran informasi palsu, serta meningkatkan kepercayaan publik terhadap media digital.
Penelitian ini merupakan langkah penting dalam menjaga integritas informasi di era digital.
Kata kunci : AI, GAN, Video Manipulasi

Actions (login required)

View Item