Deteksi Potensi Kecurangan Ujian Menggunakan Image Processing Berbasis Multi-Task Convolutional Neural Network
Keywords:
Deteksi Potensi Kecurangan Ujian, Deep Learning, Multi-Task Convolutional Neural Network (MTCNN)Abstract
Tidak asing jika mendengar berita tentang perilaku menyontek yang marak terjadi dalam dunia pendidikan. Perilaku tidak terpuji ini terjadi pada seluruh tingkat pendidikan, mulai dari sekolah dasar, menengah, hingga perguruan tinggi. Tersedianya pengawas dalam kegiatan ujian tidak menjadi halangan bagi siswa atau mahasiswa untuk menyontek. Kegiatan ini tetap dapat dilakukan karena terbatasnya kemampuan untuk mengawasi kecurangan dalam ujian. Untuk membantu mengatasi masalah tersebut, dibuatlah sistem pendeteksi potensi kecurangan berdasarkan gerakan peserta ujian. Sistem ini dibuat menggunakan kamera webcam untuk mendeteksi gerakan peserta tersebut. Untuk mengklasifikasi gerakan peserta yang berpotensi melakukan kecurangan, digunakan salah satu metode Deep Learning yaitu Multi-Task Convolutional Neural Network (MTCNN).Gerakan berpotensi kepada kecurangan yang dideteksi hanya berupa gerakan yang ekstrem saja. Apabila peserta terdeteksi melakukan kecurangan lebih dari 10 detik, maka akan muncul notifikasi berupa peringatan suara untuk mengingatkan peserta agar mengerjakan ujian dengan jujur. Dari hasil pengujian pada penelitian ini, metode MTCNN mampu mendeteksi potensi kecurangan dengan tingkat keberhasilan 99.92%. Adapun untuk jarak pendeteksian menggunakan kamera minimal 50 cm dan maksimal 150 cm. Tingkat akurasi yang dimiliki sistem ini sekitar 92% yang dilakukan dengan berbagai gerakan yang dilakukan target di depan kamera.
References
Andiwatir, A. dan Khakim, A. (2019) ‘Analisis Perilaku Menyontek dan Rancangan Perubahannya pada Siswa SMP ( Analysis of Cheating Behavior and Change Design in Junior High School Students ) Info Artikel Abstrak Pendidikan sebagai sarana pembentuk intelektual dan moral diharapkan bebas dari b’, Jurnal Psikologi Ilmiah, 11(2), pp. 88–97.
Harahap, H. H. (2016) ‘Key words : Detecting Cheating in Exam , Deep Learning , Deep Belief Network ’,.
Mujahidah (2009) ‘Perilaku Menyontek Laki-Laki dan Perempuan: Studi Meta Analisis’,Jurnal Psikologi, II(2), pp. 177–199.Available at: http://digilib.uin-suka.ac.id/id/eprint/8860.
Musslifah, A. R. (2012) No Title, Perilaku Menyontek Siswa ditinjau dari Kecenderungan Locus of Control.Available at:http://jurnal.usahidsolo.ac.id/index.php/JTL/article/view/595.
Pratama, Y., Istoningtyas, M. dan Rasywir, E.(2019) ‘Pengujian Algoritma MTCNN(Multi-task Cascaded Convolutional Neural Network) untuk Sistem Pengenalan Wajah’, Jurnal Media Informatika Budidarma, 3(3), p. 240. doi:10.30865/mib.v3i3.1324.
Zhang, N., Luo, J. dan Gao, W. (2020)‘Research on face detection technology based on MTCNN’, Proceedings - 2020 International Conference on Computer Network, Electronic and Automation,ICCNEA 2020, pp. 154–158. doi:10.1109/ICCNEA50255.2020.00040.
Zufar, M. dan Setiyono, B. (2016)‘Convolutional Neural Networks Untuk Pengenalan Wajah Secara Real-Time’, Jurnal Sains dan Seni ITS, 5(2), p. 128862. doi:10.12962/j23373520.v5i2.18854.
