IDENTIFIKASI CITRA POSE TEGAK UNTUK PEMILIHAN ANGGOTA BARIS BERBARIS MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DI SMK MUHAMMADIYAH MUNGKID

Bae toha

Abstract


Penelitian ini membahas bagaimana penerapan metode CNN dapat digunakan untuk menciptakan sebuah sistem yang secara otomatis dan akurat mengidentifikasi pose berdiri tegak untuk baris berbaris. dengan menggunakan metode Convolutional Neural Network (CNN) yang merupakan metode klasifikasi yang sangat baik untuk menganalisis gambar digital. Desain CNN dibuat khusus untuk menganalisis objek dalam gambar, sehingga sangat berguna untuk klasifikasi gambar. Diharapkan dengan menggunakan metode ini bersama dengan data yang relevan, hasilnya adalah tingkat ketajaman dan efisiensi yang lebih tinggi. Penelitian ini menghasilkan sebuah sistem yang dapat mengidentifikasi pose tubuh  kurang tegak dengan akurasi sebesar 59% dengan confidence 58,54% dan mengidentifikasi pose tegak dengan akurasi sebesar 80% dengan confidence 79,36% berdasarkan gambar yang di upload

Full Text:

PDF 389-396

References


N. Khunafa Qudsi et al., “Identifikasi Citra Tulisan Tangan Digital Menggunakan Convolutional Neural Network (CNN),” Semin. Inform. Apl. Polinema, pp. 48–53, 2019, Accessed: Nov. 27, 2023. [Online]. Available: http://jurnalti.polinema.ac.id/index.php/SIAP/article/view/344.

A. Arifandi, “Identifikasi dan Prediksi Umur serta Jenis Kelamin Berdasarkan Citra Wajah Menggunakan Algoritma Convolutional Neural Network (CNN),” RAINSTEK J. Terap. Sains Teknol., vol. 4, no. 2, pp. 89–96, Jun. 2022, doi: 10.21067/JTST.V4I2.6985.

Y. Rizki, R. Hayami, and E. Rahmadani, “Identifikasi Objek Cagar Budaya Candi Mahligai Berbasis Citra Digital Menggunakan Mask R-CNN,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 3, no. 3, pp. 309–314, Dec. 2022, doi: 10.37859/COSCITECH.V3I3.3939.

S. A. E. ALBAKIA and R. A. Saputra, “Identifikasi Jenis Daun Tanaman Obat Menggunakan Metode Convolutional Neural Network (CNN) Dengan Model VGG16,” J. Inform. Polinema, vol. 9, no. 4, pp. 451–460, Aug. 2023, doi: 10.33795/JIP.V9I4.1420.

J. V. P. Putra, F. Ayu, and B. Julianto, “Implementasi Pendeteksi Penyakit pada Daun Alpukat Menggunakan Metode CNN,” Stain. (SEMINAR Nas. Teknol. SAINS), vol. 2, no. 1, pp. 155–162, Jan. 2023, Accessed: Nov. 29, 2023. [Online]. Available: https://proceeding.unpkediri.ac.id/index.php/stains/article/view/2888.

N. Hanun, M. Sarosa, and R. A. Asmara, “Pemanfaatan Algoritma Faster R-CNN ResNet-101 Untuk Deteksi Potongan Tubuh Manusia,” J. Elektron. dan Otomasi Ind., vol. 10, no. 1, pp. 94–103, May 2023, doi: 10.33795/ELKOLIND.V10I1.2754.

F. H. Hawari, F. Fadillah, M. R. Alviandi, and T. Arifin, “KLASIFIKASI PENYAKIT TANAMAN PADI MENGGUNAKAN ALGORITMA CNN (CONVOLUTIONAL NEURAL NETWORK),” J. Responsif Ris. Sains dan Inform., vol. 4, no. 2, pp. 184–189, Aug. 2022, doi: 10.51977/JTI.V4I2.856.

M. Rahman and A. Pambudi, “IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK IDENTIFIKASI KUALITAS TANAMAN SELADA BERDASARKAN CITRA DAUN,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 3s1, pp. 2830–7062, Sep. 2023, doi: 10.23960/JITET.V11I3S1.3368.

I. Jenis, R.-R. Menggunakan, M. Cnn, and B. Android, “Identifikasi Jenis Rempah-Rempah Menggunakan Metode CNN Berbasis Android,” Jurasik (Jurnal Ris. Sist. Inf. dan Tek. Inform., vol. 8, no. 1, pp. 223–232, Feb. 2023, doi: 10.30645/JURASIK.V8I1.558.

S. Faisal, T. F. M Butarbutar, P. Sirait, and J. SIFO Mikroskil, “Implementasi CNN dan SVM untuk Identifikasi Penyakit Tomat via Daun,” J. SIFO Mikroskil, vol. 20, no. 2, pp. 117–134, Oct. 2019, doi: 10.55601/JSM.V20I2.670.

S. N. Ria, M. Walid, B. A. Umam, F. Teknik, and U. Islam, “Pengolahan Citra Digital Untuk Identifikasi Jenis Penyakit Kulit Menggunakan Metode Convolutional Neural Network (CNN),” Energy J. Ilm. Ilmu-Ilmu Tek., vol. 12, no. 2, pp. 62–67, Dec. 2022, doi: 10.51747/ENERGY.V12I2.1118.

R. Pujiati and N. Rochmawati, “Identifikasi Citra Daun Tanaman Herbal Menggunakan Metode Convolutional Neural Network (CNN),” J. Informatics Comput. Sci., vol. 3, no. 03, pp. 351–357, Jan. 2022, doi: 10.26740/JINACS.V3N03.P351-357.




DOI: http://dx.doi.org/10.23960/jitet.v12i1.3772

Refbacks

  • There are currently no refbacks.


This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Publisher
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Lampung
Jl. Prof. Soemantri Brojonegoro No. 1 Bandar Lampung 35145
Email: jitet@eng.unila.ac.id
Website : https://journal.eng.unila.ac.id/index.php/jitet

Copyright (c) Jurnal Informatika dan Teknik Elektro Terapan (JITET)
pISSN: 2303-0577   eISSN: 2830-7062