PENGEMBANGAN SISTEM PEMANTAUAN UJIAN SERTIFIKASI DARING SECARA REAL-TIME MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Pelaksanaan ujian sertifikasi daring masih menghadapi tantangan dalam menjaga integritas akademik karena pengawasan manual belum mampu mendeteksi perilaku peserta secara efektif dan secara real-time. Penelitian ini bertujuan untuk mengimplementasikan sistem pemantauan ujian daring berbasis Convolutional Neural Network (CNN) yang mampu mendeteksi wajah peserta, menganalisis perilaku visual, dan menilai tingkat kepatuhan terhadap prosedur ujian secara otomatis. Data latih yang digunakan berasal dari dataset publik yang diklasifikasikan ke dalam dua kategori perilaku yaitu normal dan mencurigakan. Tahapan pengolahan data meliputi cropping wajah menggunakan metode Haar Cascade Classifier, resize, normalisasi, dan augmentasi data. Dataset hasil preprocessing digunakan untuk melatih model CNN dengan arsitektur yang dioptimalkan untuk klasifikasi perilaku peserta. Model kemudian diintegrasikan ke dalam sistem e-course PT ITS Academic Technology untuk mendeteksi perilaku peserta ujian secara real-time dengan pengambilan citra otomatis setiap lima detik per frame. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score, dengan hasil akurasi validasi mencapai 99%, dan pengujian sistem menunjukkan kemampuan deteksi yang stabil serta akurat pada kondisi ujian daring sebenarnya. Penelitian ini memberikan kontribusi dalam penerapan CNN untuk sistem pengawasan otomatis serta mendukung peningkatan integritas pelaksanaan ujian sertifikasi daring.