Implementasi Aplikasi Pendeteksi Kecurangan Ujian Berbasis Kamera Dengan Pendekatan Transfer Learning

Sari

Integritas akademik selama ujian masih menjadi tantangan, karena pengawasan konvensional berbasis manusia sering kesulitan mendeteksi perilaku kecurangan yang halus. Penelitian ini mengusulkan pengembangan sistem deteksi kecurangan ujian berbasis kamera dengan memanfaatkan transfer learning pada arsitektur Convolutional Neural Network (CNN) ResNet-50. Model dilatih menggunakan dataset yang dirancang untuk mencerminkan situasi ujian nyata, dengan variasi perilaku mencurigakan seperti melirik jawaban teman atau menggunakan catatan tersembunyi. Hasil eksperimen menunjukkan bahwa hanya dengan 10 epoch, ResNet-50 mampu mencapai akurasi pengujian sebesar 97,7% sekaligus mempertahankan konvergensi yang stabil pada data pelatihan dan validasi. Model terpilih kemudian diintegrasikan ke dalam prototipe aplikasi yang mampu melakukan pemantauan real-time serta mengirim notifikasi instan melalui chatbot, sehingga pengawas dapat melakukan intervensi tepat waktu. Temuan penelitian ini tidak hanya meningkatkan keadilan dan keandalan dalam evaluasi akademik, tetapi juga menawarkan kerangka kerja yang skalabel untuk diterapkan dalam konteks pemantauan pendidikan yang lebih luas.