YANUARSYAH, IRFAN (2025) PENERAPAN METODE SUPPORT VECTOR MACHINE (SVM) BERBASIS FACE TRACKING UNTUK DETEKSI KECURANGAN UJIAN ONLINE SECARA REAL-TIME. Undergraduate thesis, Universitas Islam Sultan Agung.

	Text Teknik Informatika_32602100060_fullpdf.pdf Baca Disini (2MB) | Download (2MB)
	Text Teknik Informatika_32602100060_pernyataan_publikasi.pdf Restricted to Registered users only Baca Disini (529kB) | Download (529kB)

Abstract

Tingginya pelaksanaan ujian online meningkatkan kemungkinan terjadinya kecurangan akademis, sehingga menimbulkan kebutuhan akan sistem pengawasan otomatis yang tepat untuk menjaga integritas. Studi ini bertujuan untuk menerapkan sistem deteksi penipuan secara langsung dengan menggunakan metode machine learning Support Vector Machine (SVM) yang berfokus pada Face Tracking. Data yang digunakan merupakan dataset gambar wajah yang dikategorikan ke dalam dua kelas perilaku: ‘Fokus’ dan ‘Curang’. Metode penelitian mencakup pengambilan fitur visual menggunakan MediaPipe untuk mengukur rotasi kepala dan pergerakan mulut, serta pemisahan data dengan proporsi 80% data pelatihan dan 20% data pengujian. Kinerja model dinilai dengan menggunakan metrik Akurasi, Presisi, dan Recall. Hasil uji menunjukkan bahwa model yang dibuat berhasil memperoleh akurasi 80%, dengan presisi 100% dan recall 60% untuk kategori ‘Curang’. Hasil ini menunjukkan bahwa model SVM sangat efisien dalam mencegah tuduhan yang tidak benar (presisi 100%), yang merupakan persyaratan penting. Hasil dari penelitian ini menunjukkan bahwa metode SVM yang menggunakan face tracking dapat dipercaya untuk menciptakan prototipe fungsional bagi sistem pengawasan ujian daring.
Kata Kunci: Deteksi Kecurangan, Ujian Online, Support Vector Machine (SVM), Face Tracking, MediaPipe.

Dosen Pembimbing:	Mulyono, Sri | UNSPECIFIED
Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User:	Pustakawan 4 UNISSULA
Date Deposited:	06 Jan 2026 07:15
URI:	https://repository.unissula.ac.id/id/eprint/44181

Actions (login required)

View Item