Deteksi Aktivitas Mencurigakan untuk Memantau Kecurangan dalam Ujian Menggunakan Algoritma YOLOv8

Ariesto Adrian Finantyo, Bonifasius (2024) Deteksi Aktivitas Mencurigakan untuk Memantau Kecurangan dalam Ujian Menggunakan Algoritma YOLOv8. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] PDF
HALAMAN_AWAL.pdf

Download (578kB)
[img] PDF
BAB_I.pdf

Download (215kB)
[img] PDF
BAB_II.pdf

Download (1MB)
[img] PDF
BAB_III.pdf

Download (4MB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (121MB)
[img] PDF
BAB_V.pdf

Download (226kB)
[img] PDF
DAFTAR_PUSTAKA.pdf

Download (229kB)
[img] 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 View Item