digilib@itb.ac.id +62 812 2508 8800

PERANCANGAN DAN IMPLEMENTASI SISTEM DETEKSI PERGERAKAN KEPALA, MATA DAN ALIS BERBASIS MACHINE LEARNING

159 views
Save At List
Penulis : Mirna Fauziah [23218302]
Kontributor / Dosen Pembimbing :
  • Ir. Budi Rahardjo, M.Sc., Ph.D.
Jenis Koleksi : Tesis
Tahun Terbit :
Penerbit : Teknik Elektro
Fakultas : Sekolah Teknik Elektro dan Informatika
Subjek :
Kata Kunci : CNN, dataset, deteksi, fitur wajah, kecurangan, liveness, real-time, webcam
Sumber :
Staf Input/Edit : karya  
File : 4 file
Tanggal Input : 25 Feb 2021

Pandemi COVID-19 mendorong Indonesia untuk mulai serius dalam memasuki era digital. Semua kegiatan secara fisik telah dibatasi dan didorong untuk dilakukan secara daring, termasuk bidang akademis. Kegiatan belajar mengajar bahkan ujian dituntut dilakukan secara daring. Permasalahan mengenai liveness dan kecurangan dalam ujian sudah menjadi tantangan sedari dulu. Penelitian ini membahas mengenai sistem deteksi pergerakan fitur wajah berupa kepala, mata dan alis sebagai upaya pengembangan sistem deteksi liveness dan deteksi kecurangan ujian daring melalui webcam di kemudian harinya. Penelitian dimulai dengan mengumpulkan puluhan ribu gambar wajah yang mengandung pergerakan fitur wajah yang dibutuhkan, seperti pergerakan bola mata, alis, dan kepala. Gambar yang terkumpul kemudian diklasifikasikan dan dibuat sebagai dataset untuk membuat sistem deteksi liveness sekaligus deteksi pergerakan fitur wajah secara real-time. Penelitian ini menggunakan arsitektur Convolutional Neural Network (CNN) untuk membuat model deteksi dan klasifikasi pergerakan fitur wajah, dengan total parameter yang digunakan sebanyak 3.5 juta. Pustaka dlib digunakan untuk mendeteksi dan menentukan fitur pada wajah seperti mata, alis dan rahang. Perancangan sistem dibagi menjadi tiga tahap yaitu pre-processing sebagai tahap untuk mempersiapkan dataset sebelum melakukan proses pelatihan, training sebagai tahap untuk melatih model dengan menggunakan dataset yang telah dikumpulkan dan detecting sebagai tahap terakhir untuk mendeteksi pergerakan fitur wajah secara real-time dengan menggunakan model yang telah dilatih sebelumnya. Sistem dapat bekerja dengan baik dalam kondisi terang dengan akurasi 94.48%, dan akurasi sebesar 92.65% dalam kondisi pencahayaan dengan lampu ruangan. Pengunaan kacamata tidak mempenaruhi kinerja sistem, hanya saja penggunaan masker mempengaruhi akurasi sistem dalam pemprediksi pergerakan kepala. Diharapkan sistem pendeteksi pergerakan fitur wajah ini dapat membantu proses pengembangan sistem deteksi kecurangan kedepannya.

Artikel Terkait