Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Information Systems and Informatics JATI (Jurnal Mahasiswa Teknik Informatika)
Santicho, Desylo
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS FORENSIK DEEPFAKE BERBASIS CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DETEKSI INKONSISTENSI TEKSTUR DAN POLA PADA CITRA WAJAH Raharjo, Toto; Irfan Adristi, Fikri; Yusroni Romadhona, Frendi; Rahmadi Syahputra, Rosi; Yusuf Halim, Muhammad; Ashshidiqie Rachman, Mikhail; Nur Marjianto, Rohsan; Santicho, Desylo; Kusuma, Permadi; Ramadhani, Erika
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13058

Abstract

Perkembangan teknologi artificial intelligence (AI) yang semakin pesat memunculkan teknologi deepfake yang menggunakan basis algoritma seperti generative adversarial networks (GANs) untuk memanipulasi citra wajah dengan tingkat realisme yang tinggi. Fenomena ini memunculkan tantangan dalam keamanan digital karena potensi penyalahgunaan, disinformasi, pelanggaran privasi, dan kejahatan dunia maya. Penelitian ini bertujuan mengembangkan model deteksi deepfake berbasis convolutional neural networks (CNN) yang mampu mengidentifikasi inkonsistensi tekstur dan pola biologis pada citra wajah secara efisien secara resource hadware dan efektif dalam proses deteksi image. Metode penelitian meliputi pengumpulan data dari dataset FaceForensics++ dan Celeb-DF, pra-proses data menggunakan augmentasi dan normalisasi, serta pengembangan model dengan arsitektur EfficientNetB0 yang dilatih menggunakan transfer learning pada dataset besar dengan menggunakan TensorFlow dan GPU. Hasil pengujian menunjukkan bahwa Model cenderung mengklasifikasikan gambar asli dengan nilai prediksi dari model neural network di atas 0,5, sementara gambar palsu justru dideteksi sebagai asli karena nilainya juga melebihi 0,5. Evaluasi menunjukkan bahwa model ini mencapai tingkat akurasi tinggi dalam mendeteksi manipulasi citra wajah, dengan teknik augmentasi yang meningkatkan kehandalan model terhadap berbagai skenario. Penelitian ini menyimpulkan bahwa pendekatan berbasis CNN efektif untuk deteksi deepfake, namun perlu pengembangan lebih lanjut untuk mengatasi keterbatasan pada data yang kompleks.
A Layered Digital Investigation Framework for Internet of Things (IoT) Forensics: A Smart Home Camera Case Study Santicho, Desylo; Luthfi, Ahmad; Yuwono, Tito
Journal of Information System and Informatics Vol 8 No 1 (2026): February
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/journalisi.v8i1.1468

Abstract

The rapid adoption of Internet of Things (IoT) technology in various sectors, such as smart homes, healthcare, and transportation, has provided significant efficiency. Nevertheless, many IoT devices are developed without a serious review of security standards, and forensic readiness consideration. As a result, these IoT devices are vulnerable to cyber-attacks that can potentially lead to malware attacks, and system manipulation. This study aims to propose and validate a digital forensic investigation framework in the IoT ecosystem. The framework layers designed in this study consist of the device layer, network layer, and cloud layer. Validation is carried out through a simulated crime scenario recorded by the Mi 360° smart home camera. Meanwhile, the analysis phase focuses on data source artifacts from the device layer, video metadata, technical attributes, and cryptographic integrity verification using hash values (MD5 and SHA-1) documented in the Chain of Custody (CoC) method. The experimental results of this study indicate that digital evidence artifacts sourced from across layers have reliable temporal and structural consistency in reconstructing the chronology of events. This framework successfully correlated artifacts across three layers to reconstruct a complete event timeline, demonstrating its practical validity in distributed IoT forensic investigation.
Co-Authors Ahmad Luthfi Ashshidiqie Rachman, Mikhail Irfan Adristi, Fikri Kusuma, Permadi Nur Marjianto, Rohsan Raharjo, Toto Rahmadi Syahputra, Rosi Ramadhani, Erika Tito Yuwono, Tito Yusroni Romadhona, Frendi Yusuf Halim, Muhammad