Text

Klasifikasi Penggunaan Sabuk Pengaman Pada Pengemudi Mobil Menggunakan Convolutional Neural Network Dengan Arsitektur ResNet50

---

Penggunaan sabuk pengaman adalah suatu kewajiban yang penting bagi pengemudi dan
penumpang untuk memastikan keselamatan saat berkendara. Akan tetapi, masih banyak
pengemudi maupun penumpang yang masih tidak menggunakan sabuk pengaman sehingga
terjadi penegakan lalu lintas. Penegakan tersebut masih diawasi langsung oleh polisi. Oleh
karena itu, dibutuhkannya suatu sistem untuk mengklasifikasi penggunaan sabuk pengaman.
Penelitian ini menerapkan salah satu metode deep learning yaitu Convolutional Neural
Network (CNN) dengan arsitektur ResNet50 untuk mengklasifikasi pengemudi yang
menggunakan sabuk pengaman dan pengemudi yang tidak menggunakan sabuk pengaman.
ResNet50 memiliki keunggulan dalam klasifikasi citra dikarenakan memiliki shorcut
connection pada arsitekturnya yang dapat mengatasi masalah vasishing gradient. Penelitian
ini menggunakan 36 skenario pelatihan dari kombinasi rasio pembagian dataset,
hyperparamater nilai learning rate dan nilai batch size. Dataset yang digunakan memiliki
1563 citra yang terbagi menjadi dua kelas. Dataset dibagi menjadi data latih, data validasi,
dan data uji. Skenario terbaik menggunakan rasio pembagian dataset 68:25:7,
hyperparameter nilai learning rate 0,0001, dan nilai batch size 4. Skenario tersebut
menghasilkan accuracy sebesar 96% dengan nilai precision 98%, recall 94.2%, dan f1-score
96%. Berdasarkan hasil tersebut, model yang dihasilkan dapat diimplementasikan untuk
sistem klasifikasi penggunaan sabuk pengaman.
Kata kunci : Sabuk Pengaman, Klasifikasi Citra, Deep Learning, CNN, ResNet50

---

Ketersediaan

1203F2023

1203 F 2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1203 F 2023

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Achmad Fauzi

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar