PENDETEKSIAN OBJEK PADA CITRA HEWAN KARNIVORA DAN HERBIVORA MENGGUNAKAN FASTER R-CNN
Universitas Gunadarma
Indonesia
Universitas Gunadarma
Indonesia
Abstract
Penelitian ini bertujuan menghasilkan sistem pendeteksian objek dengan menggunakan Faster R-CNN untuk mengklasifikasikan jenis hewan dari kelompok hewan karnivora dan herbivora berbasis citra. Pembuatan program dalam penelitian ini menggunakan Faster R-CNN dengan arsitektur Inception V2 dan Google Collab pada tahap pelatihan. Data yang digunakan yaitu 2000 citra hewan yang diambil secara random menggunakan Chrome extension dan dilabelkan secara manual. Hasil akuisisi citra memberikan variasi sudut pengambilan gambar, variasi jarak pengambilan, dan variasi jumlah objek dalam citra. Pembuatan sistem pendeteksian objek ini meliputi tahap pelatihan untuk membentuk model Faster R-CNN, tahap uji coba, dan pengukuran performa sistem pendeteksian objek yang dihasilkam. Berdasarkan hasil implementasi dan uji coba, disimpulkan bahwa sistem ini dapat mengklasifikasikan jenis hewan karnivora dan herbivora dengan total loss model hasil pelatihan berada pada 0.06 dan rata-rata tingkat akurasi sebesar 89%. Hasil perhitungan Recall dan Precision menunjukkan bahwa performa dari sistem klasifikasi yang dihasilkan sangat baik, dengan nilai Recall 100% terdapat pada kelompok citra hewan Cheetah, Eagle, Komodo, Shark, Tiger, Bull, Guineapig, dan Zebra.
Keywords
References
M. Zufar dan B. Setiyono, “Convolutional Neural Networks untuk Pengenalan Wajah Secara Real-Time”, Jurnal Sains dan Seni ITS, Vol. 5 (2), hal. 72-77, 2016.
H. Abhirawa, Jondri, dan A. Arifianto, “Pengenalan Wajah Menggunakan Convolutional Neural Network” e-Proceeding of Engineering: Vol. 4 (3), Desember 2017, hal. 4907-4916.
P. A. Nugroho, I. Fenriana, dan R. Arijanto, “Implementasi Deep Learning Menggunakan Convolutional Neural Network (CNN) Pada Ekspresi Manusia”, Jurnal ALGOR, Vol. 2 (1), hal. 12-21, 2020.
A. Zein, “Memprediksi Usia dan Jenis Kelamin Menggunakan Convolutional Neural Networks”, Sainstech, Vol. 30 (1), hal. 1-7, 2020.
R. A. Doga, H. F. J. Lami, dan S. I. Pella, “Sistem Identifikasi Nominal Uang Logam Menggunakan Tensorflow dan Convolutional Neural Network Berbasis Raspberry PI”, Seminar Nasional Sains dan Teknik Fst Undana (SAINSTEK), 25 Oktober 2019, hal. 503-511.
S. Juliansyah dan A. D. Laksito, “Klasifikasi Citra Buah Pir Menggunakan Convolutional Neural Networks”, InComTech: Jurnal Telekomunikasi dan Komputer, Vol. 11 (1), hal. 65-72, 2021.
F. F. Maulana dan N. Rochmawati, “Klasifikasi Citra Buah Menggunakan Convolutional Neural Network”, Journal of Informatics and Computer Science (JINACS), Vol. 1 (2), hal. 104-108, 2019.
T. D. Antoko, M. A. Ridani, dan A. E. Minarno, “Klasifikasi Buah Zaitun Menggunakan Convolution Neural Network”, Komputika: Jurnal Sistem Komputer, Vol. 10 (2), hal. 119 – 126, 2021.
T. Trnovszky, P. Kamencay, R. Orjesek, M. Benco, dan P. Sykora, “Animal Recognition System Based on Convolutional Neural Network”, Advances In Electrical And Electronic Engineering, Vol. 15 (3), hal. 517-525, 2017.
R. Gandhi, “R-CNN, Fast R-CNN, Faster R-CNN, YOLO — Object Detection Algorithms”, 2018, https://towardsdatascience.com/r-cnnfast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e, 5 November 2021.
Y. Rizki, R. M. Taufiq, D. Putri, dan H. Mukhtar, “Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN”, IT Journal Research and Development (ITJRD), Vol. 5 (2), hal. 215-225, 2021.
F. Charli, H. Syaputra, M. Akbar, S. Sauda, dan F. Panjaitan, “Implementasi Metode Faster Region Convolutional Neural Network (Faster R-CNN) Untuk Pengenalan Jenis Burung Lovebird”, Journal of Information Technology Ampera, Vol. 1 (3), hal. 185-197, 2020.
L. J. Halawa, A. Wibowo, dan F. Ernawan, “Face Recognition Using Faster R-CNN with Inception-V2 Architecture for CCTV Camera”, 2019 3rd International Conference on Informatics and Computational Sciences (ICICoS), 29-30 Oktober 2019, hal. 1-6.
Derry Alamsyah dan Muhammad Fachrurrozi, “Faster R-CNN with Inception V2 for Fingertip Detection in Homogenous Background Image”, IOP Conf. Series: Journal of Physics: Conf. Series, 1196 (012017), hal. 1–6, 2019.
L. A. Septiandi, E. M. Yuniarno, dan A. Zaini, “Deteksi Kedipan dengan Metode CNN dan Percentage of Eyelid Closure (PERCLOS)”, Jurnal Teknik ITS, Vol. 10 (1), hal. A56-A63, 2021.
P. M. Pavithra dan R. Bhavani, “Object Detection and Classification Using YOLO V3”, International Research Journal of Engineering and Technology (IRJET), Vol. 8 (3), hal. 153-158, 2021.
