Ariesto Adrian Finantyo, Bonifasius (2024) Deteksi Aktivitas Mencurigakan untuk Memantau Kecurangan dalam Ujian Menggunakan Algoritma YOLOv8. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
PDF
HALAMAN_AWAL.pdf Download (578kB) |
|
PDF
BAB_I.pdf Download (215kB) |
|
PDF
BAB_II.pdf Download (1MB) |
|
PDF
BAB_III.pdf Download (4MB) |
|
PDF
BAB_IV.pdf Restricted to Registered users only Download (121MB) |
|
PDF
BAB_V.pdf Download (226kB) |
|
PDF
DAFTAR_PUSTAKA.pdf Download (229kB) |
|
PDF
LAMPIRAN.pdf Restricted to Registered users only Download (250kB) |
Abstract
Pengawasan ujian yang dilakukan secara konvensional seringkali mengalami keterbatasan seperti jumlah siswa yang tidak seimbang dengan jumlah pengawas dan kemampuan pengawas yang berbeda-beda. Dari permasalahan yang ada, pengembangan teknologi computer vision dapat menjadi solusi potensial dalam mendeteksi aktivitas mencurigakan selama ujian. Pada penelitian ini, algoritma YOLOv8 digunakan untuk merancang model yang dapat melakukan object detection melalui beberapa sudut pandang dalam ruang ujian. Selain itu, diterapkan teknik transfer learning dan konfigurasi hyperparameter untuk menghasilkan model dengan performa yang optimal. Berdasarkan penelitian yang telah dilakukan, ditemukan bahwa konfigurasi hyperparameter mempengaruhi performa model yang dihasilkan sementara penggunaan teknik transfer learning tidak berdampak signifikan. Selanjutnya, terdapat dua model yang diusulkan, yakni model F(D-3) yang optimal pada sudut kamera kanan dengan nilai recall: 0.8165 dan mAP50: 0.8289, serta model J(D-3) yang optimal pada semua sudut kamera dengan nilai recall: 0.8274 dan mAP50: 0.8279. Dengan demikian, algoritma YOLOv8 dapat diimplementasikan untuk mendeteksi aktivitas mencurigakan yang dilakukan oleh siswa selama ujian melalui aplikasi berbasis web.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | hyperparameter, sistem pengawasan ujian, TensorflowJS, transfer learning, YOLOv8 |
Subjects: | ?? T58.5-58.64 ?? |
Divisions: | Faculty of Engineering & Informatics > Informatics |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 09 Nov 2024 11:10 |
Last Modified: | 09 Nov 2024 11:10 |
URI: | https://kc.umn.ac.id/id/eprint/33745 |
Actions (login required)
View Item |