S KOM 1202388 Bibliography
DAFTAR PUSTAKA
Sekilas Tentang Kecerdasan Buatan. (2014, Oktober 24). Dipetik Agustus 22, 2016,
dari Humble Diary: https://humblediary.wordpress.com/2014/10/24/sekilastentang-kecerdasan-buatan/
Deep Learning Tutorial. (2015). LISA lab, University of Montreal.
Afroh, K. (2014). Hubungan Antara Penalaran Moral Dengan Perilaku Menyontek
Pada Siswa di Madrasah Tsanawiyah Negeri Gondowulung Bantul. Yogyakarta:
Universitas Islam Negeri Yogyakarta.
Ali, K. H., & Wang, T. (2014). Learning Features for Action Recognition and Identity
with Deep Belief Networks. IEEE, 129-132.
Biggs, J. (1999). Teaching for Quality Learning at University. SHRE and Open
University Press.
DeepLearning.TV. (2015, Desember 15). Restricted Boltzmann Machines - Ep. 6 (Deep
Learning SIMPLIFIED). Dipetik Agustus 5, 2016, dari You Tube:
https://www.youtube.com/watch?v=puux7KZQfsE
Deng, L. (2012). The MNIST Database of Handwritten. IEEE Signal Processing
Magazine, 141-142.
Derwin Suhartono, S. M. (2012, Juli 26). Dasar Pemahaman Neural Network. Dipetik
Agustus 2, 2016, dari Binus University School of Computer Science:
http://socs.binus.ac.id/2012/07/26/konsep-neural-network/
Dy, C. A., Mañalac, M. I., & Orbe, R. A. (2016). Convolutional Neural Network for
Vehicle Detection in Low Resolution Traffic Videos. 2016 IEEE Region 10
Symposium (TENSYMP), 277 - 281.
Harisul Haqqi Harahap, 2016
DETEKSI POTENSI KECURANGAN UJIAN BERDASARKAN GERAKAN PESERTA DIDIK MENGGUNAKAN
METODE DEEP LEARNING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Elim, Y. (2015). Dynamic Bayesian Network untuk Mendeteksi Kecurangan Ujian
dengan Multi Kamera.
Gokil, D. (2010, Juni 3). Skenario 2 (Independent Learning) Blok I. Dipetik Mei 3,
2015, dari Dokter Gokil: http://doktergokilsaja.blogspot.com/2010/06/skenario1-independent-learning-blok-i.html
Khrisna, D. A., Hidayatno, A., & Isnanto, R. R. (2004). Identifikasi Objek Berdasarkan
Bentuk Dan Ukuran. Semarang: Universitas Diponegoro.
Lintz, N. (2016, Februari 17). Exploring Computer Vision (Part I): Convolutional
Neural
Networks.
Dipetik
Juli
28,
2016,
dari
Indico:
https://indico.io/blog/exploring-computer-vision-convolutional-neural-nets/
Mandadi, B., & Sethi, A. (2013). Unusual Event Detection using Sparse SpatioTemporal Features and Bag of Words Model. Proceedings of the 2013 IEEE
Second International Conference on Image Information Processing (ICIIP2013).
Mujahidah. (2009). Perilaku Menyontek Laki-laki dan Perempuan : Studi Meta
Analisis. Jurnal Psikologi Volume II (No. 2), 177-200.
Nascimento, C. J., & Carneiro, G. (2010). Efficient Search Methods and Deep Belief
Networks With Particle Filtering for Non-Rigid Tracking: Application to Lip
Tracking. IEEE, 3817-3820.
P, I. S., Wijaya, A. Y., & Soelaiman, R. (2016). Klasifikasi Citra Menggunakan
Convolutional Neural Network (Cnn) pada Caltech 101. JURNAL TEKNIK ITS
Vol. 5, No. 1, A65-A69.
Patino, L., Benhadda, H., Nefzi, N., Boulay, B., Bremond, F., & Thonnat, M. (2011,
September). Abnormal Behavior Detection in Video Protection Systems.
Perancis.
Prihatmoko, D., & Zyen, A. K. (2015). Sistem Pendeteksi Gerak Berbasis Web
Menggunakan Metode Background Substraction. DISPROTEK Volume 6 no. 1.
Harisul Haqqi Harahap, 2016
DETEKSI POTENSI KECURANGAN UJIAN BERDASARKAN GERAKAN PESERTA DIDIK MENGGUNAKAN
METODE DEEP LEARNING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Shinta, E. P., Santoso, I., & Isnanto, R. R. (2012). Aplikasi Webcam Untuk Mendeteksi
Gerakan Suatu Objek.
Solichin, A., & Harjoko, A. (2013). Metode Background Substraction untuk Deteksi
Obyek Pejalan Kaki pada Lingkungan Statis. Seminar Nasional Aplikasi
Teknologi Informasi (SNATI) 2013, B1-B6.
Sun, N., Han, G., Du, K., Liu, J., & Li, X. (2014). Person/Vehicle Classification based
on Deep Belief Networks. IEEE, 113-117.
Toni, H. (2015, 4 24). Penjelasan Metode Waterfall dalam pengembangan sistem.
Dipetik
Agustus
18,
2016,
dari
Kuliah
Toni:
http://kuliahtoni.blogspot.co.id/2015/04/penjelasan-metode-waterfalldalam.html
Wang, Z., Wu, F., Lu, W., Li, X., Yang, Y., Luo, J., et al. (2015). Regularized Deep
Belief Network for Image Attribute Detection. IEEE.
Xu, W., Yang, M., & Yu, K. (2012). 3D Convolutional Neural Networks for Human
Action Recognition. IEEE Transactions on Pattern Analysis and Machine
Intelligence, 221-231.
Yee, K., & MacKown, P. (2002). Detecting and Preventing Cheating During Exams.
PEDAGOGY, NOT POLICING Positive Approaches to Academic Integrity at
the University, 141-147.
Zhou, W., Li, H., & Li, W. (2015). Sign Language Recognition using 3D Convolutional
Neural Networks. 2015 IEEE International Conference on Multimedia and Expo
(ICME), 1-6.
Zul, M. I., Widyawan, & Nugroho, L. E. (2015, Juli 22). Deteksi Gerak dengan
Menggunakan Metode Frame Differences pada IP Camera.
Harisul Haqqi Harahap, 2016
DETEKSI POTENSI KECURANGAN UJIAN BERDASARKAN GERAKAN PESERTA DIDIK MENGGUNAKAN
METODE DEEP LEARNING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Sekilas Tentang Kecerdasan Buatan. (2014, Oktober 24). Dipetik Agustus 22, 2016,
dari Humble Diary: https://humblediary.wordpress.com/2014/10/24/sekilastentang-kecerdasan-buatan/
Deep Learning Tutorial. (2015). LISA lab, University of Montreal.
Afroh, K. (2014). Hubungan Antara Penalaran Moral Dengan Perilaku Menyontek
Pada Siswa di Madrasah Tsanawiyah Negeri Gondowulung Bantul. Yogyakarta:
Universitas Islam Negeri Yogyakarta.
Ali, K. H., & Wang, T. (2014). Learning Features for Action Recognition and Identity
with Deep Belief Networks. IEEE, 129-132.
Biggs, J. (1999). Teaching for Quality Learning at University. SHRE and Open
University Press.
DeepLearning.TV. (2015, Desember 15). Restricted Boltzmann Machines - Ep. 6 (Deep
Learning SIMPLIFIED). Dipetik Agustus 5, 2016, dari You Tube:
https://www.youtube.com/watch?v=puux7KZQfsE
Deng, L. (2012). The MNIST Database of Handwritten. IEEE Signal Processing
Magazine, 141-142.
Derwin Suhartono, S. M. (2012, Juli 26). Dasar Pemahaman Neural Network. Dipetik
Agustus 2, 2016, dari Binus University School of Computer Science:
http://socs.binus.ac.id/2012/07/26/konsep-neural-network/
Dy, C. A., Mañalac, M. I., & Orbe, R. A. (2016). Convolutional Neural Network for
Vehicle Detection in Low Resolution Traffic Videos. 2016 IEEE Region 10
Symposium (TENSYMP), 277 - 281.
Harisul Haqqi Harahap, 2016
DETEKSI POTENSI KECURANGAN UJIAN BERDASARKAN GERAKAN PESERTA DIDIK MENGGUNAKAN
METODE DEEP LEARNING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Elim, Y. (2015). Dynamic Bayesian Network untuk Mendeteksi Kecurangan Ujian
dengan Multi Kamera.
Gokil, D. (2010, Juni 3). Skenario 2 (Independent Learning) Blok I. Dipetik Mei 3,
2015, dari Dokter Gokil: http://doktergokilsaja.blogspot.com/2010/06/skenario1-independent-learning-blok-i.html
Khrisna, D. A., Hidayatno, A., & Isnanto, R. R. (2004). Identifikasi Objek Berdasarkan
Bentuk Dan Ukuran. Semarang: Universitas Diponegoro.
Lintz, N. (2016, Februari 17). Exploring Computer Vision (Part I): Convolutional
Neural
Networks.
Dipetik
Juli
28,
2016,
dari
Indico:
https://indico.io/blog/exploring-computer-vision-convolutional-neural-nets/
Mandadi, B., & Sethi, A. (2013). Unusual Event Detection using Sparse SpatioTemporal Features and Bag of Words Model. Proceedings of the 2013 IEEE
Second International Conference on Image Information Processing (ICIIP2013).
Mujahidah. (2009). Perilaku Menyontek Laki-laki dan Perempuan : Studi Meta
Analisis. Jurnal Psikologi Volume II (No. 2), 177-200.
Nascimento, C. J., & Carneiro, G. (2010). Efficient Search Methods and Deep Belief
Networks With Particle Filtering for Non-Rigid Tracking: Application to Lip
Tracking. IEEE, 3817-3820.
P, I. S., Wijaya, A. Y., & Soelaiman, R. (2016). Klasifikasi Citra Menggunakan
Convolutional Neural Network (Cnn) pada Caltech 101. JURNAL TEKNIK ITS
Vol. 5, No. 1, A65-A69.
Patino, L., Benhadda, H., Nefzi, N., Boulay, B., Bremond, F., & Thonnat, M. (2011,
September). Abnormal Behavior Detection in Video Protection Systems.
Perancis.
Prihatmoko, D., & Zyen, A. K. (2015). Sistem Pendeteksi Gerak Berbasis Web
Menggunakan Metode Background Substraction. DISPROTEK Volume 6 no. 1.
Harisul Haqqi Harahap, 2016
DETEKSI POTENSI KECURANGAN UJIAN BERDASARKAN GERAKAN PESERTA DIDIK MENGGUNAKAN
METODE DEEP LEARNING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
Shinta, E. P., Santoso, I., & Isnanto, R. R. (2012). Aplikasi Webcam Untuk Mendeteksi
Gerakan Suatu Objek.
Solichin, A., & Harjoko, A. (2013). Metode Background Substraction untuk Deteksi
Obyek Pejalan Kaki pada Lingkungan Statis. Seminar Nasional Aplikasi
Teknologi Informasi (SNATI) 2013, B1-B6.
Sun, N., Han, G., Du, K., Liu, J., & Li, X. (2014). Person/Vehicle Classification based
on Deep Belief Networks. IEEE, 113-117.
Toni, H. (2015, 4 24). Penjelasan Metode Waterfall dalam pengembangan sistem.
Dipetik
Agustus
18,
2016,
dari
Kuliah
Toni:
http://kuliahtoni.blogspot.co.id/2015/04/penjelasan-metode-waterfalldalam.html
Wang, Z., Wu, F., Lu, W., Li, X., Yang, Y., Luo, J., et al. (2015). Regularized Deep
Belief Network for Image Attribute Detection. IEEE.
Xu, W., Yang, M., & Yu, K. (2012). 3D Convolutional Neural Networks for Human
Action Recognition. IEEE Transactions on Pattern Analysis and Machine
Intelligence, 221-231.
Yee, K., & MacKown, P. (2002). Detecting and Preventing Cheating During Exams.
PEDAGOGY, NOT POLICING Positive Approaches to Academic Integrity at
the University, 141-147.
Zhou, W., Li, H., & Li, W. (2015). Sign Language Recognition using 3D Convolutional
Neural Networks. 2015 IEEE International Conference on Multimedia and Expo
(ICME), 1-6.
Zul, M. I., Widyawan, & Nugroho, L. E. (2015, Juli 22). Deteksi Gerak dengan
Menggunakan Metode Frame Differences pada IP Camera.
Harisul Haqqi Harahap, 2016
DETEKSI POTENSI KECURANGAN UJIAN BERDASARKAN GERAKAN PESERTA DIDIK MENGGUNAKAN
METODE DEEP LEARNING
Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu