Pengembangan Sistem Presensi Anti Spoofing dengan Metode Support Vector Machine

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem deteksi spoofing menggunakan metode Support Vector Machine (SVM) dengan ekstraksi fitur tekstur Local Binary Patterns (LBP) dan Gray-Level Co-occurrence Matrix (GLCM). Sistem ini ditujukan untuk mengatasi tantangan kehadiran mahasiswa dengan mengintegrasikan teknologi pengenalan wajah dalam manajemen presensi. Spoofing, yang merupakan usaha pemalsuan wajah, menjadi tantangan dalam sistem keamanan berbasis wajah. Oleh karena itu, sistem ini memfokuskan pada deteksi spoofing dengan membandingkan pola tekstur antara wajah asli dan palsu. Model mampu mengidentifikasi upaya pemalsuan wajah (spoofing) dengan tingkat akurasi sebesar 94% setelah melakukan tuning parameter C dan gamma. Selanjutnya, sistem presensi anti spoofing diuji melalui black box testing dan memberikan hasil yang sesuai dengan harapan. Sistem ini mampu memulai kelas, mencatat kehadiran mahasiswa, serta menghasilkan laporan kehadiran yang valid. Seluruh fungsi sistem telah diuji secara menyeluruh dan memperoleh tingkat akurasi 95% dalam pendeteksian spoofing.