Informasi Umum

Kode

25.04.5969

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatics

Dilihat

69 kali

Informasi Lainnya

Abstraksi

Liveness detection merupakan komponen krusial untuk mengamankan sistem pengenalan wajah dari serangan presentasi (presentation attack). Meskipun model berbasis Convolutional Neural Network (CNN) dan Transformer menunjukkan potensi besar, keduanya masih menghadapi tantangan dalam hal generalisasi serangan dalam mendeteksi berbagai jenis serangan. Penelitian ini mengusulkan dan mengevaluasi sebuah model ensemble stacking yang mengombinasikan Swin Transformer dan EfficientNetV2 untuk meningkatkan kinerja deteksi serangan multikelas (real, print attack, replay attack). Metode ini dievaluasi secara kuantitatif menggunakan metrik akurasi, BPCER, dan APCER, serta diimplementasikan pada sebuah aplikasi web untuk validasi praktis. Hasil pengujian menunjukkan bahwa model ensemble yang diusulkan mencapai akurasi superior sebesar 98,17%, secara signifikan mengungguli performa model dasar individualnya. Model ini menghasilkan Bona Fide Presentation Classification Error Rate (BPCER) hingga 0,0049 dan nilai Attack Presentation Classification Error Rate (APCER) mencapai 0,0250. Meskipun implementasi pada aplikasi web real-time mengonfirmasi fungsionalitas model, pengujian tersebut juga mengungkap adanya beberapa kasus kegagalan pada skenario serangan dengan skala dan jarak yang ekstrem, yang menyoroti batasan dari model saat ini.

  • CAK4FAA4 - Tugas Akhir

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Anda harus log in untuk mengakses flippingbook

Pengarang

Nama RIZAL NUR ARBAATUN
Jenis Perorangan
Penyunting Vera Suryani
Penerjemah

Penerbit

Nama Universitas Telkom, S1 Informatika
Kota Bandung
Tahun 2025

Sirkulasi

Harga sewa IDR 0,00
Denda harian IDR 0,00
Jenis Non-Sirkulasi