IMPLEMENTASI LIGHT CONVOLUTIONAL NEURAL NETWORK DALAM DETEKSI SUARA YANG DIHASILKAN AI DAN SUARA MANUSIA

MUH. AKRAM. Implementasi light convolutional neural network dalam deteksi suara yang dihasilkan AI dan suara manusia (dibimbing oleh Elly Warni).
Latar belakang. Perkembangan teknologi Artificial Intelligence (AI) dalam sintesis suara telah memunculkan suara yang sangat mirip dengan suara manusia, yang berpotensi disalahgunakan dalam berbagai skenario, termasuk penipuan berbasis suara. Oleh karena itu, deteksi suara yang dihasilkan oleh AI menjadi tantangan yang perlu diatasi. Tujuan. Penelitian ini bertujuan untuk mengembangkan model Light Convolutional Neural Network (LCNN) untuk deteksi suara manusia dan suara AI. Metode. Metode yang digunakan meliputi ekstraksi fitur menggunakan Constant-Q Transform (CQT), penerapan augmentasi data berupa Gaussian Noise, Time Stretch dan Pitch Shift, serta penggunaan OC-Softmax sebagai fungsi loss untuk meningkatkan performa dari model. Data penelitian terdiri dari suara manusia yang dikumpulkan dari platform daring serta suara AI yang dihasilkan menggunakan teknologi Prosa AI dan Murf AI. Model diuji menggunakan metrik evaluasi seperti akurasi, precision, recall, dan F1-score. Hasil. Hasil eksperimen menunjukkan bahwa model LCNN mencapai akurasi 93%, lebih unggul dibandingkan model CNN yang hanya mencapai 86%. Selain itu, nilai AUC sebesar 98% menunjukkan kemampuan model dalam membedakan suara AI dan suara manusia serta penggunaan OC-Softmax memberikan hasil memuaskan dengan mencapai akurasi 95% dibandingkan Softmax yang hanya mencapai 93%. Kesimpulan. Hasil ini menunjukkan bahwa pendekatan berbasis LCNN efektif dalam meningkatkan akurasi deteksi suara AI, yang dapat diterapkan sebagai bentuk pencegahan penyalahgunaan teknologi sintesis suara.