DETEKSI FACE SPOOFING PADA CITRA WAJAH RGB MELALUI COARSE–FINE MULTI-FEATURE FUSION BERBASIS CBAM

Seviko Attalarik Pramayudha Handoko, . (2026) DETEKSI FACE SPOOFING PADA CITRA WAJAH RGB MELALUI COARSE–FINE MULTI-FEATURE FUSION BERBASIS CBAM. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text 1_Cover_123220151_Seviko Attalarik P.H.pdf Download (192kB)
	Text 2_Abstrak_123220151_Seviko Attalarik P.H.pdf Download (286kB)
	Text 3_Halaman Pengesahan_123220151_Seviko Attalarik P.H.pdf Download (503kB)
	Text 4_Daftar Isi_123220151_Seviko Attalarik P.H.pdf Download (283kB)
	Text 5_Daftar Pustaka_123220151_Seviko Attalarik P.H.pdf Download (188kB)
	Text 6_Skripsi Full_123220151_Seviko Attalarik P.H.pdf Restricted to Repository staff only Download (3MB)

Abstract

Sistem pengenalan wajah saat ini sangat rentan terhadap serangan manipulasi atau face spoofing yang dapat mengancam integritas keamanan biometrik. Penelitian ini mengusulkan sebuah arsitektur jaringan saraf dalam untuk meningkatkan kemampuan generalisasi dalam mendeteksi presentation attack pada citra wajah Red Green Blue (RGB). Metode ini menggunakan strategi coarse-to-fine melalui dua cabang utama, yaitu cabang dekomposisi dan cabang fusi. Cabang dekomposisi mengekstraksi fitur coarse menggunakan backbone ResNet-18 dan fitur fine menggunakan backbone EfficientNet-B0. Mekanisme saliency-guided suppression diterapkan untuk menyamarkan area wajah yang dominan sehingga jaringan dipaksa untuk mengeksplorasi jejak spoofing yang lebih halus pada bagian wajah lainnya. Selanjutnya, fitur-fitur tersebut diintegrasikan pada cabang fusi menggunakan modul PsiNet yang dilengkapi dengan Convolutional Block Attention Module (CBAM) untuk memberikan bobot fusi secara dinamis sesuai dengan karakteristik input. Pengujian dilakukan menggunakan dataset OULU-NPU dengan pendekatan no crop untuk menjaga keutuhan informasi pada bingkai video. Hasil eksperimen menunjukkan bahwa model yang diusulkan mencapai performa yang sangat baik dengan nilai Average Classification Error Rate (ACER) sebesar 0,5% pada Protokol 1 dan 2, serta menunjukkan keunggulan signifikan pada skenario yang lebih sulit dengan nilai ACER sebesar 0,3 ±0,4% pada Protokol 3 dan 1,94 ±1,41% pada Protokol 4. Temuan ini membuktikan bahwa integrasi fitur coarse dan fine berbasis perhatian mampu meningkatkan ketangguhan sistem terhadap variasi sensor dan lingkungan tanpa memerlukan sensor tambahan.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Seviko Attalarik Pramayudha Handoko (Penulis - 123220151) Dhimas Arief Dharmawan (Pembimbing)
Uncontrolled Keywords:	face spoofing, CBAM, OULU-NPU, coarse-to-fine, multi-feature fusion.
Subjek:	Q Science > Q Science (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	13 Mar 2026 01:16
Last Modified:	13 Mar 2026 01:16
URI:	http://eprints.upnyk.ac.id/id/eprint/47358

Actions (login required)

View Item