Studi Bibliometrik Tren Teknologi Deepfake dan Tantangan Etisnya di Dunia Digital

Penulis

  • Loso Judijanto IPOSS Jakarta, Indonesia

DOI:

https://doi.org/10.58812/jmws.v4i06.2386

Kata Kunci:

Deepfake, Bibliometrik, Etika Digital, Forensik Digital, Pembelajaran Mesin, Cybersecurity

Abstrak

Penelitian ini bertujuan untuk memetakan tren ilmiah dan tantangan etis dalam studi tentang teknologi deepfake menggunakan pendekatan bibliometrik. Data dikumpulkan dari basis data Scopus dengan rentang waktu 2010–2024 dan dianalisis menggunakan perangkat lunak VOSviewer. Hasil analisis menunjukkan bahwa fokus utama literatur masih didominasi oleh isu teknis seperti deteksi deepfake, forensik digital, dan penggunaan machine learning. Visualisasi temporal mengindikasikan bahwa perhatian terhadap aspek sosial dan etika, seperti cybersecurity, synthetic media, dan social aspects, mulai meningkat dalam dua tahun terakhir. Jaringan kolaborasi penulis menunjukkan dominasi institusi dari Tiongkok, Amerika Serikat, dan Eropa Barat, dengan minimnya kontribusi dari negara-negara berkembang. Temuan ini menekankan pentingnya pendekatan interdisipliner dan keterlibatan global yang lebih luas dalam merespons tantangan sosial, hukum, dan etis yang ditimbulkan oleh kemajuan teknologi deepfake di era digital.

Referensi

Ahmed, S. R., Sonuç, E., Ahmed, M. R., & Duru, A. D. (2022). Analysis survey on deepfake detection and recognition with convolutional neural networks. 2022 International Congress on Human-Computer Interaction, Optimization and Robotic Applications (HORA), 1–7.

Amerini, I., Galteri, L., Caldelli, R., & Del Bimbo, A. (2019). Deepfake video detection through optical flow based cnn. Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops, 0.

Chadha, A., Kumar, V., Kashyap, S., & Gupta, M. (2021). Deepfake: an overview. Proceedings of Second International Conference on Computing, Communications, and Cyber-Security: IC4S 2020, 557–566.

Coccomini, D. A., Messina, N., Gennaro, C., & Falchi, F. (2022). Combining efficientnet and vision transformers for video deepfake detection. International Conference on Image Analysis and Processing, 219–229.

De Ruiter, A. (2021). The distinct wrong of deepfakes. Philosophy & Technology, 34(4), 1311–1332.

Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285–296.

Heidari, A., Jafari Navimipour, N., Dag, H., & Unal, M. (2024). Deepfake detection using deep learning methods: A systematic and comprehensive review. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 14(2), e1520.

Maheshwari, R. U., Kumarganesh, S., KVM, S., Gopalakrishnan, A., Selvi, K., Paulchamy, B., Rishabavarthani, P., Sagayam, K. M., Pandey, B. K., & Pandey, D. (2024). Advanced plasmonic resonance-enhanced biosensor for comprehensive real-time detection and analysis of deepfake content. Plasmonics, 1–18.

Rana, M. S., Nobi, M. N., Murali, B., & Sung, A. H. (2022). Deepfake detection: A systematic literature review. IEEE Access, 10, 25494–25513.

Rochani, F. R., & Sarungu, L. M. (2025). ANALISIS ISI KONTEN EDUKASI INSTAGRAM@ CFDS_UGM DALAM MEMBANTU LITERASI DIGITAL FOLLOWERS. Solidaritas, 9(1).

Sulianta, F. (2025). Masyarakat digital: Tren, tantangan, dan perubahan di era teknologi. Feri Sulianta.

Wach, K., Duong, C. D., Ejdys, J., Kazlauskaitė, R., Korzynski, P., Mazurek, G., Paliszkiewicz, J., & Ziemba, E. (2023). The dark side of generative artificial intelligence: A critical analysis of controversies and risks of ChatGPT. Entrepreneurial Business and Economics Review, 11(2), 7–30.

Westerlund, M. (2019). The emergence of deepfake technology: A review. Technology Innovation Management Review, 9(11).

Unduhan

Dimensions

Diterbitkan

2025-06-30

Cara Mengutip

Studi Bibliometrik Tren Teknologi Deepfake dan Tantangan Etisnya di Dunia Digital. (2025). Jurnal Multidisiplin West Science, 4(06), 820-828. https://doi.org/10.58812/jmws.v4i06.2386