PERBANDINGAN ARSITEKTUR ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI OBJEK BERGERAK PADA VIDEO CCTV LALU LINTAS

Pantas, Efraim and Sitanayah, Lanny and Angdresey, Apriandy (2023) PERBANDINGAN ARSITEKTUR ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI OBJEK BERGERAK PADA VIDEO CCTV LALU LINTAS. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-DAFTAR_ISI_EfraimPantas.pdf Download (171kB)
	PDF ABSTRAK_EfraimPantas.pdf Download (22kB)
	PDF BAB_ISI-LAMPIRAN_EfraimPantas.pdf Restricted to Repository staff only Download (1MB)

Official URL: https://repo.unikadelasalle.ac.id/

Abstract

Meningkatnya penggunaan keamanan berbasis video CCTV telah mendorong perkembangan teknologi klasifikasi objek bergerak secara otomatis. Teknologi Convolutional Neural Network telah menjadi suatu solusi yang efektif dalam tugas ini. Dalam penelitian ini, penulis melakukan perbandingan tiga arsitektur Convolutional Neural Network yang populer, yaitu SSD MobileNet, RetinaNet, dan EfficientNet B0, untuk klasifikasi objek bergerak pada video CCTV lalu lintas.
Pengenalan dan klasifikasi objek bergerak dalam video CCTV lalu lintas memiliki tantangan yang kompleks, seperti variasi dalam skala, rotasi, dan perubahan pencahayaan. Selain itu, kecepatan dan akurasi menjadi hal yang penting sehingga membuat pemilihan arsitektur Convolutional Neural Network yang tepat menjadi hal yang penting. Oleh karena itu, perbandingan kinerja dari berbagai arsitektur menjadi penting untuk memilih yang paling sesuai dengan kasus penggunaan tertentu. Penulis melakukan eksperimen menggunakan tiga arsitektur Convolutional Neural Network yang berbeda, yaitu SSD MobileNet, RetinaNet, dan EfficientNet B0 untuk klasifikasi objek bergerak pada video CCTV.
Penulis melakukan pelatihan dan pengujian pada dataset video CCTV yang beragam dan mencatat performa masing-masing arsitektur dalam hal akurasi, waktu inferensi, dan penggunaan sumber daya. Berdasarkan hasil tersebut dapat disimpulkan bahwa dari segi akurasi, RetinaNet menjadi pilihan yang baik namun arsitektur tersebut menurunkan frame rate dari video rekaman CCTV lalu lintas untuk mencapai tingkat akurasi yang tinggi. Di sisi lain, SSD MobileNet menjadi arsitektur yang ringan dengan akurasi yang cukup tinggi, namun bingkai kotak untuk deteksi dan klasifikasi pada objek masih belum bisa mendeteksi objek dengan baik. EfficientNet B0 menjadi arsitekur yang stabil karena EfficientNet B0 memiliki tingkat akurasi yang tinggi dan deteksi objek yang baik. Penelitian ini memberikan pemahaman yang lebih mendalam tentang perbandingan tiga arsitektur Convolutional Neural Network yang populer, yaitu SSD MobileNet, RetinaNet, dan EfficientNet B0 untuk klasifikasi objek bergerak pada video CCTV.

Kata Kunci: Deteksi Objek Bergerak, Arsitektur Convolutional Neural Network, Perbandingan Arsitektur Convolutional Neural Network, Video CCTV Lalu Lintas

Item Type:

Thesis (Skripsi)

Creators: