YOGYAKARTA, JOGPAPER.NET — Perkembangan teknologi kecerdasan buatan (artificial intelligence/AI) semakin memudahkan manipulasi video melalui teknik deepfake. Teknologi ini memungkinkan wajah seseorang digantikan secara realistis sehingga konten palsu semakin sulit dibedakan dari rekaman asli.
Kondisi tersebut menjadi tantangan baru bagi keamanan informasi dan proses forensik digital. Namun menggunakan metode deteksi video deepfake berbasis Convolutional Neural Network (CNN) dan metadata bisa membongkar manipulasi video deepfake serta metode ini dapat meningkatkan keandalan forensik digital.
Itulah hasil penelitian tesis Muhammad Wishnu, Alumni Program Studi Magister Informatika, Fakultas Teknologi Industri Universitas Islam Indonesia (FTI UII). Muhammad Wishnu mengangkat judul penelitian ‘Pengembangan Metode Deteksi Video Deepfake Berbasis CNN dan Metadata untuk Meningkatkan Keandalan Forensik Digital.’
“Penelitian ini tidak hanya mengandalkan analisis visual pada setiap frame video. Tetapi juga memanfaatkan informasi teknis video sebagai fitur tambahan dalam proses klasifikasi,” kata Muhammad Wishnu.
Muhammad Wishnu yang juga Penyidik Pembantu Subdit V Siber Ditreskrimsus Kepolisian Daerah (Polda) Kalimantan Timur menjelaskan penelitian tersebut menghasilkan korpus percontohan (pilot corpus) yang terdiri atas 1.240 video, masing-masing 620 video asli dan 620 video deepfake. Video tersebut dikumpulkan dari 176 kanal unik dengan total durasi 48,3 jam.
“Pengumpulan data dilakukan melalui proses akuisisi video dari YouTube dengan menerapkan sejumlah prosedur kurasi untuk menjaga integritas data,” kata Muhammad Wishnu.
Penelitian, tambah Muhammad Wishnu, menerapkan kontrol duplikasi menggunakan cryptographic hashing, pemeriksaan asal-usul konten (provenance) melalui C2PA dan XMP, penyaringan kualitas frame menggunakan variansi Laplacian. Selain itu, pembagian data berbasis sumber (source-aware split) untuk mencegah kebocoran informasi antara data pelatihan dan pengujian.
Salah satu hasil penelitian ini adalah pengembangan sistem akuisisi yang mampu mengoperasionalkan kebijakan kurasi forensik melalui antarmuka yang dapat diaudit. Setiap keputusan operator dicatat dalam satu manifest sebagai sumber data utama (single source of truth). Mekanisme tersebut membantu menjaga rantai penguasaan bukti digital (chain of custody) sejak tahap penemuan hingga penyimpanan akhir.
Penelitian ini juga menghasilkan pipeline preprocessing dengan representasi fitur hibrida berdimensi 1.286. Fitur tersebut menggabungkan embedding visual MobileNetV2 sebanyak 1.280 dimensi dengan enam meta-atribut teknis video, yakni durasi, bitrate, resolusi, frame per second (fps), dan magnitudo gerak. Tingkat keberhasilan pemuatan frame dalam proses tersebut mencapai 97,4 persen.
Kemudian integrasi metadata memberikan konteks tambahan dalam proses klasifikasi. Dengan menggabungkan karakteristik visual dan atribut teknis video, pendekatan ini menawarkan alternatif pengembangan deteksi deepfake yang tidak hanya bergantung pada analisis piksel atau tampilan visual.
“Pengembangan metode tersebut diharapkan dapat mendukung kebutuhan forensik digital dan keamanan media sosial. Terutama, dalam mengidentifikasi serta memitigasi penyalahgunaan konten video hasil manipulasi kecerdasan buatan,” harap Muhammad Wishnu.
Sementara Dr Yudi Prayudi, SSi, MKom, Dosen Pembimbing yang juga Dosen Program Studi Magister Informatika FTI UII mengatakan Magister Informatika UII terus mendorong pengembangan riset berbasis kecerdasan buatan dan forensik digital. Obyek penelitian tersebut sangat relevan dengan tantangan keamanan informasi di tengah pesatnya transformasi teknologi. (*)
