<![CDATA[Perkembangan teknologi kecerdasan buatan, khususnya deepfake, memungkinkan manipulasi gambar dan video yang sangat realistis sehingga menyulitkan verifikasi keaslian media digital. Metode steganografi konvensional sering gagal mempertahankan jejak penyisipan, sehingga diperlukan sistem yang mampu meninggalkan penanda keaslian secara tersembunyi. Penelitian ini merancang sistem anti-deepfake berbasis QR Code dengan algoritma Discrete Cosine Transform (DCT) dan Quantization Index Modulation (QIM). QR Code disisipkan pada citra wajah 512×512 piksel melalui koefisien frekuensi rendah hingga menengah (koordinat 2,2; 2,3; 3,2) dengan Delta = 50 untuk memperkuat jejak steganografi. Hasil embedding dievaluasi menggunakan PSNR untuk menjaga kualitas visual, dan ekstraksi QR Code digunakan untuk menilai keberhasilan deteksi pada citra maupun video deepfake. Hasil menunjukkan bahwa sistem berhasil mengekstraksi QR Code pada 90% gambar dan 80% video deepfake. Pada video dengan manipulasi ringan, watermark tak terlihat berhasil diekstraksi pada frame awal; pada video manipulasi kompleks, ekstraksi menurun tetapi jejak visual tetap dapat terdeteksi. PSNR rata-rata >30 dB menunjukkan kualitas citra tetap terjaga. Temuan ini menegaskan bahwa QR Code-DCT-QIM lebih robust dibanding steganografi konvensional, mampu mempertahankan artefak visual yang dapat diekstraksi meskipun citra/video dimanipulasi oleh GAN. Sistem ini efektif dalam mendeteksi manipulasi deepfake sambil menjaga kualitas visual, sehingga memberikan solusi yang adaptif dan kuat untuk verifikasi keaslian media digital.]]>
Copyrights © 2026
