Abidin, Muhammad Fahmi (2021) Menghitung Banyaknya Orang Menggunakan Algoritma Convolutional Neural Network (CNN) Berbasis Citra Kepala. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
|
Text (Fulltext)
16650063.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (4MB) | Preview |
Abstract
INDONESIA:
Berkumpulnya orang di suatu tempat sehingga membentuk sebuah kerumunan merupakan hal yang lumrah saat ini. Memperkirakan jumlah orang dalam kerumunan merupakan masalah penting untuk berbagai tujuan mulai dari keselamatan umum hingga strategi industri. Misal dalam pengembangan sebuah tempat perbelanjaan, salah satu masalah yang dihadapi pengelolah tempat perbelanjaan adalah kurangnya data pengunjung untuk mengetahui jumlah kepadatan pengunjung kios. Data ini sangatlah penting bagi pengelolah tempat perbelanjaan untuk mengoptimalkan jam perdagangan juga mengevaluasi daya tarik beberapa area perbelanjaan atau item belanja akan tetapi jika menghitung secara manual akan sulit dan melelahkan bagi manusia. Dalam penelitihan ini digunakan metode convolutional neural network (CNN) berdasarkan citra kepala orang. CNN merupakan metode yang paling baik dalam melakukan pengenalan dan klasifikasi objek yang terdiri dari beberapa fitur seperti convolutional layer, pooling layer dan fully connected layer. Tujuan dari penelitihan ini untuk mengetahui akurasi algoritma CNN dalam menghitung jumlah orang (people counting) berbasis citra. Untuk mendeteksi citra kepala pada gambar digunakanya selective search untuk mendapatkan region gambar yang kemudian digunakan sebagai inputan CNN. Dalam hal ini region digunakan untuk mengetahui kemungkinan citra objek pada gambar. Citra kemungkinan objek tersebut dimasukan ke dalam CNN dan dilakukan beberapa skenario uji coba dalam skala ukuran inputan (32x32, 64x64 dan 128x128) dengan masing-masing ukuran inputan ditraining dalam besaran nilai epoch (30, 50, 75) sehingga didapatkan hasil (96.28%, 99.24%, 99.49%), (98.39%, 98.73%, 99.58%) dan (95.35%, 98.65%, 99.41%) yang dapat disimpulkan semakin besar skala ukuran inputan maka semakin lama waktu prosesnya juga semakin banyak informasi yang didapat bukan berarti semakin banyak informasi yang didapat membuat sistem semakin akurat. Adapun pengaruh nilai epoch terdapat pada akurasi sitem semakin tinggi nilai epoch maka semakin lama waktu yang dibutuhkan dan akurasi semakin tinggi.
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Supervisor: | Santoso, Irwan Budi and Fatchurrochman, Fatchurrochman | |||||||||
Contributors: |
|
|||||||||
Keywords: | Convolutional Neural Network; Menghitung Orang; CNN | |||||||||
Subjects: | 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080106 Image Processing 08 INFORMATION AND COMPUTING SCIENCES > 0806 Information Systems > 080614 Pacific Peoples Information and Knowledge Systems |
|||||||||
Departement: | Fakultas Sains dan Teknologi > Jurusan Teknik Informatika | |||||||||
Depositing User: | Muhammad Fahmi Abidin | |||||||||
Date Deposited: | 13 Dec 2021 11:04 | |||||||||
Last Modified: | 13 Dec 2021 11:04 | |||||||||
URI: | http://etheses.uin-malang.ac.id/id/eprint/29427 |
Downloads
Downloads per month over past year
Actions (login required)
![]() |
View Item |