DETEKSI KONTEN NEGATIF DI GALERI SMARTPHONE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

Tomara, Jordy (2020) DETEKSI KONTEN NEGATIF DI GALERI SMARTPHONE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text Skirpsi_Jordy_Tomara_123150045.pdf Restricted to Repository staff only Download (1MB)
	Text Abstrak.pdf Download (11kB)
	Text Cover.pdf Download (115kB)
	Text Daftar Pustaka.pdf Download (98kB)
	Text Daftar_Isi.pdf Download (124kB)
	Text pengesahan pembimbing.pdf Download (458kB)

Abstract

Klasifikasi konten negatif khususnya pornografi cukup sulit dideteksi karna citra
pornografi mempunyai kompleksitas yang sangat tinggi, variasi citra terdiri dari
warna kulit, jenis kelamin, bentuk tubuh, pose dan latar objek pornografi tersebut,
oleh karena itu diperlukan metode yang dapat mengklasifikasikan citra dengan
tingkat variasi yang tinggi dengan mendapatkan informasi penting yang dilakukan
dengan cari membagi hasil dari 1 citra inputan menjadi beberapa lapis layer.
Metode yang dapat digunakan untuk mengambil informasi yang penting dalam
dalam image tetapi tidak membutuhkan hasil output neuron yang terlalu banyak
yaitu Convolutional Neural Network (CNN). Keuntungan dari metode CNN adalah
kemampuannya untuk mempelajari hubungan yang tidak diketahui sebelumnya
antara data input dan output dari setiap sistem. Hasil pembelajaran dari metode
CNN adalah suatu model yang dapat digunakan untuk klasifikasi citra pornografi,
model tersebut terdiri dari implementasi program yang akan melakukan proses
training. Model tersebut akan di sematkan dalam smartphone berbasis Android
sebagai dalam bentuk csv untuk proses klasifikasi dengan data yang akan diujikan.
Dengan demikian aplikasi untuk mendeteksi citra pornografi di galeri
smartphone menggunakan metode CNN menggunakan library dan implementasi
manual program CNN. Deteksi menggunakan library tensorflow menghasilkan
akurasi sebesar 97%, tingkat presisi 100%, tingkat recall 93%, dan waktu komputasi
17 detik. Deteksi menggunakan implementasi manual program CNN menghasilkan
akurasi sebesar 83%, tingkat presisi 86%, tingkat recall 80%, dan waktu komputasi
18 detik.
Kata Kunci: pornografi, metode convolutional neural network, android

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	pornografi, metode convolutional neural network, android
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	15 Aug 2022 07:02
Last Modified:	15 Aug 2022 07:02
URI:	http://eprints.upnyk.ac.id/id/eprint/30652

Actions (login required)

View Item