DETEKSI PERILAKU KECURANGAN SISWA DALAM PELAKSANAAN UJIAN MENGGUNAKAN METODE DEEP LEARNING

Penelitian ini mengembangkan sebuah sistem yang efektif untuk mendeteksi perilaku kecurangan siswa selama ujian berbasis real-time, menggunakan teknologi deteksi wajah dengan model SSD (Single Shot MultiBox Detector) dan analisis pergerakan mata dengan Haar Cascade. Sistem ini dirancang untuk bekerja dalam kondisi ujian manual, di mana pengawasan dilakukan melalui kamera video yang merekam jalannya ujian. Sistem mendeteksi wajah dan mata siswa, kemudian menganalisis perilaku mereka untuk mengidentifikasi tiga kategori utama: fokus, mencurigakan, dan menyontek. Hasil pengujian menunjukkan bahwa model SSD memiliki tingkat akurasi deteksi wajah sebesar 97,5%, sementara Haar Cascade menunjukkan akurasi deteksi mata sebesar 96,5%. Analisis perilaku siswa mengungkapkan variasi yang signifikan antara durasi fokus dan tindakan menyontek, dengan rata-rata akurasi deteksi perilaku sebesar 95%. Sistem ini juga memberikan visualisasi perilaku siswa secara komprehensif, membantu pengawas ujian dalam mengidentifikasi siswa yang memerlukan perhatian lebih. Meskipun sistem menunjukkan kinerja yang baik, beberapa tantangan ditemukan, terutama dalam kondisi pencahayaan rendah dan wajah yang sebagian tertutup. Untuk penelitian selanjutnya, disarankan untuk meningkatkan algoritma deteksi, menggunakan data latihan yang lebih beragam, dan mempertimbangkan implementasi sistem multi-kamera. Optimisasi kode dan penggunaan perangkat keras yang lebih kuat juga dapat meningkatkan efisiensi sistem. Secara keseluruhan, penelitian ini menunjukkan bahwa sistem yang dikembangkan memiliki potensi besar untuk meningkatkan integritas akademik dengan menyediakan alat pemantauan ujian yang akurat dan responsif.