<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="1704769">
 <titleInfo>
  <title>PERBANDINGAN MODEL SUPPORT VECTOR REGRESSION DAN GRADIENT BOOSTING REGRESSION DALAM MENDETEKSI POTENSI KECURANGAN PADA UJIAN DARING</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Raihan Shabirah</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas mipa</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Pergantian metode pelaksanaan ujian dari luar jaringan (luring) ke dalam jaringan (daring) sejak pandemi COVID-19 membawa tantangan dan permasalahan baru, terutama dalam menjaga integritas akademik. Salah satu permasalahan utama dari pergantian metode belajar ini adalah kurangnya pengawasan dalam ujian yang menyebabkan meningkatnya potensi kecurangan yang dilakukan oleh peserta ujian. Beberapa penelitian telah dilakukan untuk membangun sistem pengawasan dalam ujian daring, namun metode yang digunakan dalam penerapannya masih belum terlalu bervariasi. Oleh karena itu, penelitian ini bertujuan untuk menerapkan dan membandingkan dua model regresi, yaitu Support Vector Regression (SVR) dan Gradient Boosting Regression (GBR), dalam mendeteksi potensi kecurangan berbasis analisis gerakan kepala menggunakan teknik Head Pose Estimation (HPE). Evaluasi model dilakukan menggunakan dua metrik evaluasi, yaitu metrik Mean Absolute Error (MAE) dan R². Model SVR memiliki hasil evaluasi dengan nilai MAE pelatihan sebesar 0.1061 dan R² sebesar 0.6783, dengan nilai MAE pengujian mencapai 0.1080 dan R² mencapai 0.6164. Model GBR memiliki hasil evaluasi dengan nilai MAE pelatihan sebesar 0.1064 dan R² sebesar 0.7435, dengan nilai MAE pengujian mencapai 0.1198 dan R² mencapai 0.5924. Dalam implementasi model ke dalam sistem, SVR dapat mendeteksi gerakan lebih cepat sementara model GBR lebih sensitif terhadap perubahan gerakan kepala yang terjadi sekilas. Hasil akhir dari sistem mampu mendapatkan sudut orientasi kepala, mendeteksi perubahan gerakan kepala secara real-time, dan menganalisis potensi kecurangan yang terjadi berdasarkan waktu peserta melihat selain ke arah depan. Dengan demikian, sistem ini dapat digunakan untuk mengurangi potensi kecurangan yang dilakukan peserta saat ujian daring.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>1704769</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-10-24 11:24:53</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-10-24 14:37:54</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>