FATULLAH, RYAN REYNICKHA (2025) DETEKSI WAJAH BERBASIS ANTI-SPOOFING MENGGUNAKAN METODE FACENET. Undergraduate thesis, UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN" JAWA TIMUR.
![[img]](https://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (COVER)
ilovepdf_merged (7).pdf Download (2MB) |
|
Text (BAB 1)
21081010214-24-31.pdf Download (228kB) |
|
Text (BAB 2)
21081010214-32-45.pdf Restricted to Repository staff only until 16 June 2027. Download (796kB) |
|
Text (BAB 3)
21081010214-46-67.pdf Restricted to Repository staff only until 16 June 2027. Download (1MB) |
|
Text (BAB 4)
21081010214-68-93.pdf Restricted to Repository staff only until 16 June 2027. Download (929kB) |
|
Text (BAB 5)
21081010214-94-95.pdf Download (200kB) |
|
Text (DAFTAR PUSTAKA)
21081010214-96-99.pdf Download (193kB) |
|
Text (LAMPIRAN)
21081010214-100-101.pdf Restricted to Repository staff only until 16 June 2027. Download (304kB) |
Abstract
Teknologi pengenalan wajah, sebagai komponen utama dalam visi komputer, telah berkembang pesat, terutama dengan integrasi teknik deep learning yang meningkatkan akurasi dan keandalan teknologi ini di berbagai sektor, seperti keamanan, platform media sosial, dan kesehatan. Namun, fleksibilitas ujian daring juga membuka peluang bagi praktik kecurangan akademik, seperti "contract cheating" atau joki yang dimungkinkan oleh platform daring. Penelitian ini bertujuan untuk meningkatkan keamanan ujian daring dengan mengintegrasikan FaceNet, sebuah algoritma pengenalan wajah, dengan metode anti-spoofing, khususnya deteksi kedipan mata. Penelitian ini mengatasi tantangan penggunaan identitas palsu dan manipulasi gambar dalam ujian daring. Hasil penelitian menunjukkan bahwa algoritma FaceNet yang digabungkan dengan metode deteksi kedipan mata dari Dlib memberikan solusi yang efektif dalam mencegah kecurangan identitas, dengan akurasi rata-rata sebesar 96,67%. Dibandingkan dengan metode lainnya, yaitu Deepface, yang hanya mencapai akurasi sebesar 70%. Penelitian ini juga mengeksplorasi pengaruh kecepatan frame video input terhadap tingkat kepercayaan (probability), yang menunjukkan bahwa frame rate yang lebih tinggi (30fps) meningkatkan tingkat kepercayaan. Selain itu, pendekatan Dlib dalam mendeteksi spoofing melalui deteksi kedipan mata terbukti efektif dengan ambang batas (threshold) Eye Aspect Ratio (EAR) sebesar 0,558. Kesimpulannya, penggabungan teknologi pengenalan wajah dan anti-spoofing ini dapat meningkatkan keamanan dan keadilan dalam sistem ujian daring, menawarkan solusi yang terukur untuk pendidikan daring dan konferensi online. Penelitian lebih lanjut dan implementasi dalam pengaturan praktis disarankan untuk memperbaiki algoritma ini dan mengatasi tantangan yang muncul dalam verifikasi identitas.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | T Technology > T Technology (General) > T385 Computer Graphics | ||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Informatics | ||||||||||||
| Depositing User: | RYAN REYNICKHA FATULLAH | ||||||||||||
| Date Deposited: | 19 Jun 2025 01:47 | ||||||||||||
| Last Modified: | 19 Jun 2025 01:47 | ||||||||||||
| URI: | https://repository.upnjatim.ac.id/id/eprint/38032 |
Actions (login required)
 |
View Item |