Pengembangan One-Class Knowledge Distillation Dengan Integrasi OC-Softmax dan Attentive Temporal Pooling Pada Deteksi Audio Anti-Spoofing - Submit Jurnal

Chairunnisa, Nabila (2026) Pengembangan One-Class Knowledge Distillation Dengan Integrasi OC-Softmax dan Attentive Temporal Pooling Pada Deteksi Audio Anti-Spoofing - Submit Jurnal. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 11221005_cover.pdf Download (255kB)
	Text 11221005_statement_of_authenticity.pdf Download (56kB)
	Text 11221005_publishing_agreement.pdf Download (183kB)
	Text 11221005_approval_sheet.pdf Download (102kB)
	Text 11221005_preface.pdf Download (201kB)
	Text 11221005_abstract_id.pdf Download (179kB)
	Text 11221005_abstract_en.pdf Restricted to Repository staff only until 3 October 2028. Download (227kB) | Request a copy
	Text 11221005_table_of_content.pdf Restricted to Repository staff only until 3 October 2028. Download (224kB) | Request a copy
	Text 11221005_illustrations.pdf Restricted to Repository staff only until 3 October 2028. Download (260kB) | Request a copy
	Text 11221005_tables.pdf Restricted to Repository staff only until 3 October 2028. Download (208kB) | Request a copy
	Text 11221005_notations.pdf Restricted to Repository staff only until 3 October 2028. Download (231kB) | Request a copy
	Text 11221005_chapter_1.pdf Restricted to Repository staff only until 3 October 2028. Download (485kB) | Request a copy
	Text 11221005_chapter_2.pdf Restricted to Repository staff only until 3 October 2028. Download (565kB) | Request a copy
	Text 11221005_chapter_3.pdf Restricted to Repository staff only until 3 October 2028. Download (330kB) | Request a copy
	Text 11221005_chapter_4.pdf Restricted to Repository staff only until 3 October 2028. Download (1MB) | Request a copy
	Text 11221005_conclusions.pdf Restricted to Repository staff only until 3 October 2028. Download (237kB) | Request a copy
	Text 11221005_bibliography.pdf Download (246kB)
	Text 11221005_enclosure.pdf Restricted to Repository staff only until 3 October 2028. Download (279kB) | Request a copy
	Text 11221005_paper.pdf Restricted to Repository staff only until 3 October 2028. Download (718kB) | Request a copy
	Text 11221005_presentation.pdf Restricted to Repository staff only until 3 October 2028. Download (1MB) | Request a copy
	Text 11221005_Form. TA-020.pdf Restricted to Repository staff only until 3 October 2028. Download (88kB) | Request a copy

Abstract

Perkembangan teknologi kecerdasan buatan telah memicu peningkatan keamanan berupa serangan audio spoofing atau deepfake audio, yang sekarang semakin sulit dibedakan dari suara asli (bona fide). Sebagian besar penelitian deteksi audio anti-spoofing saat ini masih berfokus pada klasifikasi biner menggunakan dataset berbahasa Inggris, yang sering mengalami penurunan performa ketika dihadapkan pada serangan yang belum pernah ditemui sebelumnya (unseen attacks), variasi linguistik, dan gangguan lingkungan (noise). Penelitian ini bertujuan untuk membangun sistem deteksi audio anti-spoofing bahasa Indonesia yang efisien dan tangguh melalui pendekatan One-Class Knowledge Distillation (OCKD). Menggunakan skema teacher-student, model teacher (ResNet-50) mentransfer representasi fiturnya kepada student (ResNet-18) melalui fungsi loss MSE dan Cosine Similarity. Strategi one-class learning dengan fungsi loss One-Class Softmax (OC-Softmax) diterapkan pada model student untuk memodelkan distribusi suara bona fide secara spesifik agar serangan akan dianggap sebagai anomali. Selain itu, mekanisme Attentive Temporal Pooling (ATP) diintegrasikan untuk meningkatkan kemampuan model dalam menangkap variasi sinyal audio dari segi temporal. Ekstraksi fitur dilakukan menggunakan Linear Frequency Cepstral Coefficients (LFCC). Hasil penelitian menunjukkan bahwa dalam kondisi bersih, model yang diusulkan berhasil memangkas nilai Equal Error Rate (EER) dari 10,0000% menjadi 1,3333% dan mereduksi nilai minimum t-DCF menjadi 0,0133. Pada uji berderau berat dengan SNR 0 hingga 15 dB, model tetap tangguh dan mempertahankan kemampuan generalisasi dengan EER terendah sebesar 35,3333%. Dari segi efisiensi komputasi, kerangka kerja OCKD berhasil mengurangi jumlah parameter sebesar 53,67% menjadi 11,66 M. Waktu inferensi juga dipercepat hingga 54,28% menjadi hanya 1,642 ms dibandingkan dengan model teacher.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Jurusan Matematika dan Teknologi Informasi > Informatika
Depositing User:	Nabila Chairunnisa
Date Deposited:	15 Jul 2026 05:22
Last Modified:	15 Jul 2026 05:22
URI:	http://repository.itk.ac.id/id/eprint/27110

Actions (login required)

View Item