Cover
PUBLIC karya Abstrak
PUBLIC karya Abstract
PUBLIC karya Lembar Pengesahan
PUBLIC karya Tugas Akhir
PUBLIC karya
Computer vision merupakan teknologi yang tengah disoroti belakangan ini. Kemampuannya
mendapatkan pemahaman tingkat tinggi pada citra dan/atau video menjadi peluang yang dapat
dimanfaatkan di segala bidang. Salah satunya pada sistem pengawasan dan keamanan pada
ruang publik. Keamanan sebuah negara merupakan salah satu tugas prioritas utama
pemerintahan. Klasifikasi jenis kelamin pada sistem keamanan negara merupakan salah satu
tugas yang cukup penting terlebih lagi di tengah pandemi COVID-19 saat ini. Selain itu pada
sistem human computer interaction (HCI), informasi jenis kelamin digunakan untuk
memberikan respons pengguna dengan tepat secara otomatis. Klasifikasi jenis kelamin
merupakan persoalan pengenalan pola yang dapat dilakukan oleh machine learning. Dalam
tugas akhir ini, digunakan algoritme machine learning ConvolutionalNeuralNetwork (CNN).
Penerapan algoritme tersebut dilakukan dalam lima tahap, yaitu pemahaman bisnis,
pemahaman data, persiapan data, pemodelan dan optimasi hyperparameter, serta evaluasi.
Tahap pemahaman bisnis dilakukan studi literatur untuk mengetahui kebutuhan dan peluang
terhadap sistem klasifikasi jenis kelamin. Tahap pemahaman data, dilakukan eksplorasi dan
analisis keadaan dataset yang digunakan yaitu dataset UTKFace. Saat melakukan tahap
pemahaman data, ditemukan beberapa data yang tidak sesuai. Untuk menyelesaikan masalah
tersebut, pada tahap persiapan data dilakukan perbaikan dan eliminasi beberapa data termasuk
eliminasi citra dengan usia 0 - 2 tahun.Tahap pemodelan, dilakukan optimasi hyperparameter
dengan menggunakan grid search dan 10 fold cross-validation. Digunakan beberapa metrik
untuk evaluasi, yaitu akurasi, precision, recall, specificity, skor F1, luas kurva ROC, dan
confusion matrix. Namun metrik akurasi, specificity, dan recall merupakan metrik yang
menjadi standar utama dalam tugas akhir ini. Hasil pengujian model pada data uji dari dataset
UTKFace berhasil mencapai akurasi 0,925835; precision 0,922570;recall 0,927152;specificity
0,927152; skor F1 0,925855; dan luas di bawah kurva ROC 0,925855. Sementara itu, waktu
yang diperlukan untuk memprediksi jenis kelamin pada data uji adalah 0,062 detik.