Analisis Kualitas Dataset terhadap Akurasi Model Deteksi dan Lokalisasi Objek

Hanjaya, Randy (2023) Analisis Kualitas Dataset terhadap Akurasi Model Deteksi dan Lokalisasi Objek. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (256kB) | Preview
Preview	PDF BAB_I.pdf Download (262kB) | Preview
Preview	PDF BAB_II.pdf Download (530kB) | Preview
Preview	PDF BAB_III.pdf Download (4MB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (5MB)
Preview	PDF BAB_V.pdf Download (253kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Dataset merupakan sekumpulan data yang digunakan dalam proses melatih model objek deteksi. Dan pada proses pelatihan model objek deteksi umumnya dilakukan proses labeling. Proses labeling merupakan proses untuk memberikan label pada gambar dengan tujuan untuk meningkatkan nilai akurasi model objek deteksi. Namun, proses ini juga merupakan proses yang mahal baik dari segi waktu maupun biaya. Sehingga untuk menekan biaya tersebut, akan lebih baik jika proses labeling hanya diberikan pada sejumlah gambar tertentu dalam dataset berdasarkan kualitas gambarnya. Kualitas suatu gambar dapat diukur dengan menggunakan perhitungan metrik Structural Similarity Index Measure (SSIM). Proses penelitian akan dilakukan dengan cara melakukan pelatihan model objek deteksi menggunakan dataset dengan rasio gambar berkualitas SSIM tinggi dan gambar berkualitas SSIM rendah yang berbeda dengan tujuan untuk mengetahui dampak dari kualitas gambar terhadap hasil akurasi model objek deteksi. Berdasarkan hasil penelitian diketahui jika gambar dengan kualitas SSIM rendah memiliki pengaruh yang dapat meningkatkan akurasi model objek deteksi jika digunakan pada rasio yang tepat. Namun hal ini terlihat tidak berlaku pada dataset yang berjumlah lebih sedikit.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Kualitas Gambar Dataset, Objek Deteksi, Structural Similarity Index Measure
Subjects:	?? TK7885-7895 ??
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	05 Jul 2023 09:47
Last Modified:	05 Jul 2023 10:47
URI:	https://kc.umn.ac.id/id/eprint/25624

Actions (login required)

View Item