KURNIASIH, Triska Arum Sari Melinda (2022) Deteksi Spoof Menggunakan Metode Tekstur Warna. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Triska Arum Sari MK-H1A018076-Skripsi-2022.pdf Download (22kB)
	PDF (Legalitas) LEGALITAS-Triska Arum Sari MK-H1A018076-Skripsi-2022.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Triska Arum Sari MK-H1A018076-Skripsi-2022.pdf Download (113kB)
	PDF (BabI) BAB I-Triska Arum Sari MK-H1A018076-Skripsi-2022.pdf Restricted to Repository staff only until 8 July 2023. Download (420kB)
	PDF (BabII) BAB II-Triska Arum Sari MK-H1A018076-Skripsi-2022.pdf Restricted to Repository staff only until 8 July 2023. Download (2MB)
	PDF (BabIII) BAB III-Triska Arum Sari MK-H1A018076-Skripsi-2022.pdf Restricted to Repository staff only until 8 July 2023. Download (718kB)
	PDF (BabIV) BAB IV-Triska Arum Sari MK-H1A018076-Skripsi-2022.pdf Restricted to Repository staff only Download (7MB)
	PDF (BabV) BAB V-Triska Arum Sari MK-H1A018076-Skripsi-2022.pdf Download (59kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Triska Arum Sari MK-H1A018076-Skripsi-2022.pdf Download (336kB)
	PDF (Lampiran) LAMPIRAN-Triska Arum Sari MK-H1A018076-Skripsi-2022.pdf Restricted to Repository staff only Download (1MB)

Abstract

Sistem keamanan digital telah dirancang sedemikian rupa untuk menghindari kejahatan digital. Namun, masih banyak ancaman bagi pengguna yang dapat terjadi. Salah satunya adalah face spoofing, dimana seseorang berpura-pura sebagai orang lain dengan menggunakan metode serangan statik 2D untuk dapat menembus sitsem biometrik secara ilegal. Serangan 2D dapat berupa foto maupun video tayangan ulang yang ditampilkan kembali oleh perangkat dengan spesifikasi terbaik untuk memaksimalkan kemungkinan berhasil. Untuk mengatasi hal tersebut, penelitian deteksi face spoofing menggunakan analisis tekstur warna dilakukan. Penelitian dimulai dengan mempelajari perbedaan reproduksi warna (gamut) antara wajah asli dengan cetak foto hasil tangkapan kamera dari beberapa perangkat dan tampilan video tayangan ulang yang terkumpul dalam dataset OULU-NPU. Informasi tekstur warna luminance dan chrominance dari setiap gambar kategori real dan attack diekstraksi menggunakan deskriptor local binary pattern. Hasil ekstraksi fitur tersebut selanjutnya digunakan oleh algoritma pengklasifikasi untuk melakukan deteksi. Beberapa algoritma machine learning dilatih menggunakan 240 gambar kategori real dan 872 gambar kategori attack. Algoritma terbaik yang didapat untuk melakukan deteksi face spoofing adalah SVM kernel polimonial dan Multilayer Perceptron dengan menetapkan 3 hidden layer dan hyperbolic tangen sebagai fungsi aktifasinya. Manipulasi serangan pada kategori attack merupakan kumpulan tangkapan gambar wajah asli yang dicetak menggunakan kertas glossy berukuran A3 dan tangkapan video yang diputar ulang dengan perangkat berbeda.

Actions (login required)

View Item