KLASIFIKASI KINSHIP KELUARGA AKTOR HOLLYWOOD MENGGUNAKAN CONVOLUTIONAL NEURAL NETOWRK

Anthony, Beni (2023) KLASIFIKASI KINSHIP KELUARGA AKTOR HOLLYWOOD MENGGUNAKAN CONVOLUTIONAL NEURAL NETOWRK. Diploma thesis, Universitas Multi Data Palembang.

[img] Text
Beni Anthony 1923250002.pdf

Download (2MB)

Abstract

Kinship adalah sistem kekerabatan antara dua orang atau lebih yang menunjukkan hubungan antara kedua orang tersebut dalam silsilah keluarga. Kinship dapat memiliki dua arti, yaitu kinship secara culture atau sosial dan kinship secara biologi yang berkaitan dengan hubungan darah. Akibat dari hubungan darah ini, fitur wajah yang dimiliki oleh seorang anak akan mengikuti fitur wajah dari orangtuanya. Dalam keluarga aktor, hubungan kinship ini menjadi masalah dalam mengidentifikasi identitas anak dari kedua pasangan aktor tersebut, terutama dalam penyusunan biografi dari aktor tersebut. Biasanya kinship dapat dideteksi dengan menggunakan tes DNA dengan akurasi yang sangat tinggi. Namun tes DNA ini memerlukan harga yang mahal dan juga memerlukan waktu yang lama untuk agar mendapatkan hasil dari tes tersebut. Penelitian ini menggunakan bahasa pemrograman Python dengan dengan dataset yang digunakan yaitu Recognize Faces in Wild berjumlah 20080 data yang dibagi menjadi data train sebesar 80% (17916 data) dan data validation sebesar 20% (2164 data) dengan dimensi 224x224 pixel. Objek atau dataset untuk testing berjumlah 6282 data. Pengujian dilakukan dengan menggunakan ResNet50 dengan optimizer beragam sebagai skenario pengujian. Hasil akurasi pengujian terbesar didapat pada skenario pertama yaitu 93% dengan optimizer Adam, diikuti RMSprop dengan akurasi 88% dan SGD yang memiliki akurasi terkecil sebesar 65%

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Kinship, Optimizer, ResNet50
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Ilmu Komputer dan Rekayasa > Informatika
Depositing User: Nur Saadah
Date Deposited: 08 Apr 2023 05:01
Last Modified: 08 Apr 2023 05:01
URI: http://rama.mdp.ac.id:84/id/eprint/339

Actions (login required)

View Item View Item