Implementasi Teknologi Face Recognition Menggunakan Metode CNN Dan Multi-Factor Authentication Untuk Meningkatkan Keamanan Login Pada E-Learning

Abstract

Platform E-Learning menjadi salah satu media utama dalam mendukung proses pembelajaran digital. Namun, mekanisme autentikasi yang hanya mengandalkan username dan password masih rentan terhadap berbagai ancaman keamanan, seperti Brute Force attack. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan mengevaluasi sistem Multi-Factor Authentication (MFA) berbasis face recognition menggunakan Convolutional Neural Network (CNN) dengan arsitektur VGG16 untuk meningkatkan keamanan autentikasi pada platform E-Learning. Tahapan penelitian meliputi pengumpulan dan pengolahan data wajah, pelatihan model, implementasi MFA, evaluasi model menggunakan confusion matrix, serta pengujian keamanan melalui simulasi Spoofing attack dan Brute Force attack. Hasil penelitian menunjukkan bahwa model VGG16 memperoleh accuracy sebesar 97,95%. Pengujian Spoofing attack menunjukkan bahwa sistem berhasil menolak 9 dari 10 percobaan menggunakan foto. Pada pengujian Brute Force attack, sistem tanpa MFA berhasil mengidentifikasi kredensial valid dalam 10 menit 11 detik 852 milidetik, sedangkan setelah penerapan MFA, seluruh 1.000 wordlist selesai diuji dalam 1 jam 8 menit 20 detik 621 milidetik tanpa berhasil memperoleh akses ke sistem.