| dc.description.abstract | Penelitian ini membahas pengembangan sistem pengawasan ujian tulis berbasis deep
learning dengan memanfaatkan kombinasi deteksi objek dan estimasi pose tubuh untuk
mengenali aktivitas kecurangan secara real-time. Permasalahan utama yang diangkat adalah
keterbatasan pengawasan manual yang rawan kelalaian, membutuhkan banyak pengawas, serta
sulit menjaga konsistensi dalam ruangan besar. Dengan pendekatan berbasis teknologi visi
komputer, sistem ini mampu mendeteksi perilaku mencurigakan seperti melihat jawaban teman,
memberikan objek, hingga penggunaan perangkat elektronik tersembunyi. Hasil deteksi
divisualisasikan melalui dashboard monitoring yang dapat diakses pengawas, sehingga proses
validasi lebih cepat, transparan, dan berbasis bukti digital. Uji performa menunjukkan bahwa
sistem memiliki tingkat akurasi memadai dan dapat mendukung pengawasan ujian, meskipun
masih terkendala faktor teknis seperti pencahayaan, sudut kamera, serta kompleksitas perilaku
peserta ujian.
Kemudian, penelitian ini memberikan kontribusi dengan merancang solusi teknis yang
adaptif menggunakan perangkat komputasi menengah seperti Nvidia Jetson Orin Nano agar tetap
mampu melakukan inferensi dua model secara paralel. Penggunaan dataset khusus ujian serta
proses augmentation dilakukan untuk meningkatkan kemampuan generalisasi model. Dari sisi
implementasi, sistem ini bukan ditujukan untuk menggantikan peran pengawas, melainkan
sebagai alat bantu pengawasan yang memperkuat integritas akademik. Rekomendasi
pengembangan ke depan meliputi penambahan variasi data latih untuk meningkatkan akurasi,
optimasi algoritma agar lebih ringan di perangkat terbatas, serta integrasi dengan sistem
akademik kampus guna mempermudah dokumentasi pelanggaran. Dengan demikian, penelitian
ini membuka peluang besar penerapan artificial intelligence dalam menciptakan mekanisme
pengawasan ujian yang lebih objektif, efisien, dan berkelanjutan di lingkungan pendidikan. | en_US |
