RANCANG BANGUN PINTU OTOMATIS PENGENALAN WAJAH DAN APD MENGGUNAKAN METODE FAST REGION-BASED CONVOLUTIONAL NEURAL NETWORK

Sari, Fara Kumala (2024) RANCANG BANGUN PINTU OTOMATIS PENGENALAN WAJAH DAN APD MENGGUNAKAN METODE FAST REGION-BASED CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0920040066 - Fara Kumala Sari - Rancang Bangun Pintu Otomatis Pengenalan Wajah Dan APD Menggunakan Metode _i_ Fast Region-based Convolutional Neural Network __i_.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Penelitian ini menangani masalah deteksi alat pelindung diri (APD) seperti "warepack" dan "sepatu safety" serta identifikasi wajah dalam pengujian real-time. Tantangan utama yang dihadapi adalah akurasi deteksi yang dipengaruhi oleh variasi sudut pandang dan kondisi lingkungan. Untuk mengatasi masalah ini, metode Fast R-CNN digunakan karena kemampuannya yang efektif dalam mendeteksi objek. Model dilatih dan diuji menggunakan dataset yang mencakup berbagai sudut pandang dan variasi kondisi APD dan wajah. Hasil pengujian menunjukkan bahwa metode ini mencapai skor F1 yang tinggi, antara 0.7 hingga 0.8, dengan tingkat kepercayaan 0.718. Nilai F1 tertinggi mencapai 0.97, yang berarti metode ini memiliki tingkat presisi dan recall sebesar 97%. Matriks kebingungan menunjukkan deteksi yang hampir sempurna untuk kedua kelas APD dan wajah, dengan tingkat kesalahan rendah (0.04) pada kelas latar belakang, menunjukkan akurasi klasifikasi sebesar 96%. Untuk meningkatkan kinerja model pada berbagai sudut pandang, model dapat ditingkatkan dengan augmentasi data, seperti rotasi dan flipping. Penggunaan kamera dengan sudut pandang lebih luas, sistem multi-kamera, serta model deep learning lanjutan seperti Transformer disarankan untuk mendukung deteksi yang lebih baik dalam berbagai kondisi. Secara keseluruhan, metode Fast R-CNN terbukti efektif dengan akurasi total mencapai 96%, menjadikannya solusi yang andal untuk aplikasi deteksi APD secara real-time

Actions (login required)

View Item