Optimalisasi Face Recognition melalui Liveness Detection dengan Face-API.js

Daffa Akbari Arissaputra, Muhammad (2025) Optimalisasi Face Recognition melalui Liveness Detection dengan Face-API.js. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (223kB)
	PDF BAB_II.pdf Download (238kB)
	PDF BAB_III.pdf Download (687kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (228kB)
	PDF DAFTAR_PUSTAKA.pdf Download (233kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (552kB)

Abstract

Teknologi face recognition semakin berkembang pesat dan banyak digunakan dalam berbagai aplikasi keamanan, namun sistem konvensional masih rentan terhadap serangan spoofing seperti penggunaan foto palsu. Penelitian ini bertujuan untuk mengimplementasikan liveness detection pada sistem face recognition berbasis Face-API.js guna meningkatkan keamanan dan mencegah serangan spoofing. Metodologi penelitian meliputi studi literatur, analisis kebutuhan, perancangan sistem, implementasi prototipe menggunakan framework React.js dengan TensorFlow.js WebGL backend, pengujian terhadap 10 user dengan 9 kali percobaan masing-masing untuk kondisi asli dan palsu, serta evaluasi menggunakan confusion matrix. Sistem mengimplementasikan tiga algoritma liveness detection: deteksi gerakan kepala, deteksi gerakan menoleh kiri-kanan, dan verifikasi konsistensi identitas wajah. Data disimpan menggunakan localStorage dengan struktur registered users, face database, current user, presence time, dan presence users. Hasil pengujian menunjukkan bahwa sistem dengan liveness detection mencapai akurasi 95,56%, presisi 100%, recall 91,11%, dan F1-score 95,35%. Sebaliknya, sistem tanpa liveness detection hanya mencapai akurasi 48,33% dengan semua serangan spoofing berhasil melewati sistem. Waktu rata- rata deteksi adalah 4,27 detik dengan waktu tercepat 1,79 detik, menunjukkan performa yang memadai untuk aplikasi real-time. Penelitian ini membuktikan bahwa integrasi liveness detection berhasil dalam meningkatkan keamanan sistem face recognition dan mencegah serangan spoofing berbasis foto statis.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Face Recognition, Face-API.js, Liveness Detection, Spoofing Detection, TensorFlow.js
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Aug 2025 11:04
Last Modified:	20 Aug 2025 11:04
URI:	https://kc.umn.ac.id/id/eprint/40004

Actions (login required)

View Item