Pengembangan Model Pengawas Ujian Berbasis Kecerdasaan Buatan untuk Ujian Online

Abstract

Abstrak - Ujian online telah menjadi pilihan utama dalam menilai kompetensi mahasiswa di era digital karena kemudahannya yang efisien. Namun, tantangan utama yang muncul adalah meningkatnya kasus kecurangan elektronik yang berpotensi merusak integritas akademik. Penelitian ini bertujuan untuk mengembangkan model pengawas berbasis kecerdasan buatan yang mampu mendeteksi berbagai perilaku curang selama ujian online secara real-time. Dengan memanfaatkan algoritma Local Binary Pattern Histogram untuk pengenalan wajah dan framework Mediapipe Face Detection untuk deteksi wajah, sistem ini dirancang untuk memberikan solusi pengawasan yang inovatif dan andal.
Analisis data dilakukan dengan fokus pada deteksi gerakan kepala dan mata, verifikasi identitas peserta ujian, serta identifikasi penggunaan alat bantu dan kolusi yang tidak sah. Landasan teori mengintegrasikan teknologi computer vision dan machine learning untuk menciptakan sistem pengawasan yang cerdas.
Hasil uji menunjukkan performa yang menjanjikan: pengenalan wajah mencapai akurasi 80% dalam waktu 576,66 detik, estimasi arah wajah meraih akurasi 100% dengan waktu 3009,68 detik, dan pelacakan multi-orang mencatat akurasi 96% dalam 827,34 detik. Temuan ini menunjukkan potensi besar dalam meningkatkan keamanan dan kejujuran pelaksanaan ujian online, sekaligus membuka jalan bagi implementasi pengawasan berbasis kecerdasan buatan yang lebih luas di masa depan.

Kata Kunci— ujian online, kecerdasaan buatan, algoritma local binary pattern histogram, mediapipe, computer vision, deteksi perilaku curang