Perpustakaan Digital ITB

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.