Model Deep Convolutional Generative Adversarial Networks (DCGANs) dalam Mendeteksi Audio Deepfake untuk Keamanan Siber

Rahman Dwiputro, Fadhil (2025) Model Deep Convolutional Generative Adversarial Networks (DCGANs) dalam Mendeteksi Audio Deepfake untuk Keamanan Siber. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (221kB)
	PDF BAB_II.pdf Download (3MB)
	PDF BAB_III.pdf Download (547kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (773kB)
	PDF BAB_V.pdf Download (234kB)
	PDF DAFTAR_PUSTAKA.pdf Download (224kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (618kB)
	Archive (ZIP) CREATION_FILE.zip Download (7MB)

Abstract

Meningkatnya penggunaan audio deepfake yang canggih menghadirkan ancaman signifikan terhadap keamanan siber dan integritas informasi, sehingga memerlukan mekanisme deteksi yang kuat. Penelitian ini menjawab tantangan tersebut dengan mengembangkan dan mengevaluasi model deteksi otomatis berdasarkan arsitektur diskriminator dari Deep Convolutional Generative Adversarial Network (DCGAN). Tujuan utamanya adalah memanfaatkan kemampuan DCGAN untuk mengidentifikasi artefak visual halus dengan terlebih dahulu mengubah sinyal audio menjadi Mel-spektrogram 2D, sehingga mengubah masalah deteksi audio menjadi tugas klasifikasi gambar. Metodologi yang digunakan adalah melatih diskriminator DCGAN pada dataset Fake-or-Real (FoR) untuk membedakan antara spektrogram ucapan asli dan yang dihasilkan secara sintetis. Model yang dihasilkan mencapai akurasi pengujian sebesar 87.8% dan Area Under the Curve (AUC) 0.9386, yang menunjukkan kemampuannya untuk mempelajari fitur-fitur pembeda secara efektif. Analisis yang lebih rinci menunjukkan performa yang seimbang, dengan recall 92% untuk audio palsu dan recall 82% untuk audio asli, menghasilkan Equal Error Rate (EER) yang rendah yaitu 13.29%. Hal ini menunjukkan bahwa model tidak hanya akurat tetapi juga memiliki keseimbangan yang baik dalam klasifikasinya. Tujuan dari penelitian ini adalah untuk memberikan analisis yang ringkas dan terkonsolidasi dari pendekatan berbasis DCGAN untuk deteksi audio deepfake, yang berfungsi sebagai evaluasi kritis terhadap metodologi dan titik referensi untuk pekerjaan di masa depan dalam keamanan siber dan forensik digital.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Rahman Dwiputro, Fadhil (00000062832)
Contributors:	Yakub, Sy Yuliani
Keywords:	Audio, Keamanan Siber, DCGAN, Deepfake, Mel-Spektrogram.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	10 Sep 2025 05:46
URI:	https://kc.umn.ac.id/id/eprint/40485

Actions (login required)

View Item