<![CDATA[Perkembangan teknologi kecerdasan buatan telah mendorong munculnya deepfake audio yang berpotensi disalahgunakan untuk penyebaran informasi palsu dan penipuan. Penelitian ini bertujuan mengimplementasikan model CNN-BiLSTM menggunakan fitur Mel-Frequency Cepstral Coefficients (MFCC) untuk mendeteksi deepfake audio serta mengevaluasi performa model berdasarkan metrik accuracy, precision, recall, dan F1-score. Penelitian ini merupakan penelitian eksperimen menggunakan dataset Fake-or-Real (FoR) versi for-2seconds. Tahapan penelitian meliputi preprocessing data, ekstraksi fitur MFCC, normalisasi data, pelatihan model CNN-BiLSTM, dan evaluasi performa model menggunakan metrik accuracy, precision, recall, F1-score, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa model CNN-BiLSTM memperoleh accuracy sebesar 86,58%, precision sebesar 99,01%, recall sebesar 73,90%, F1-score sebesar 84,63%, dan AUC sebesar 97,16%. Hasil tersebut menunjukkan bahwa model CNN-BiLSTM mampu mendeteksi deepfake audio dengan baik menggunakan fitur MFCC.]]>
Copyrights © 2026
