DETEKSI SERANGAN SPOOFING WAJAH DENGAN TRANSFER LEARNING MENGGUNAKAN ARSITEKTUR MOBILENETV3 PADA FOTO

Krisna Putra, Jelvin (2025) DETEKSI SERANGAN SPOOFING WAJAH DENGAN TRANSFER LEARNING MENGGUNAKAN ARSITEKTUR MOBILENETV3 PADA FOTO. Other thesis, Universitas Multi Data Palembang.

	Text 1. HALAMAN JUDUL LUAR.pdf Download (53kB)
	Text 2. ABSTRAK.pdf Download (7kB)
	Text bab 1 jelvin.pdf Download (605kB)
	Text bab 2 jelvin.pdf Download (890kB)
	Text bab 3 jelvin.pdf Download (719kB)
	Text bab 4 jelvin.pdf Restricted to Repository staff only Download (1MB)
	Text bab 5 jelvin.pdf Restricted to Repository staff only Download (5MB)
	Text bab 6 jelvin.pdf Restricted to Repository staff only Download (46kB)
	Text 4. DAFTAR PUSTAKA.pdf Download (162kB)

Abstract

Deteksi spoofing wajah merupakan tantangan dalam teknologi pengenalan wajah, khususnya pada aplikasi presensi karyawan yang rawan kecurangan, seperti memanfaatkan foto untuk memalsukan kehadiran. Penelitian ini mengembangkan sistem deteksi spoofing berbasis transfer learning dengan menggunakan arsitektur MobileNetV3, yang dirancang untuk efisiensi pada perangkat dengan sumber daya terbatas, seperti mobile. Model ini dilatih menggunakan dataset yang dibagi dalam rasio 70:15:15 untuk data pelatihan, validasi, dan pengujian, dengan pendekatan supervised learning. Hasil penelitian menunjukkan bahwa model MobileNetV3 varian Large dengan teknik fine-tuning, yang dilakukan dengan unfreeze lapisan setelah lapisan ke-130, berhasil mencapai akurasi sebesar 99,58% pada data pelatihan, 99,94% pada data validasi, dan 99,77% pada data pengujian. Model ini juga memiliki nilai HTER sebesar 0,002254791432, yang mengindikasikan kinerja yang sangat baik dalam mendeteksi serangan spoofing. Selain itu, evaluasi terhadap antarmuka dan kuesioner menunjukkan tingkat kepuasan rata-rata sebesar 85,19% untuk karyawan dan 90,67% untuk admin.

Actions (login required)

View Item