PERBANDINGAN KINERJA METODE CNN DALAM MENGKLASIFIKASI ORANG MEROKOK

Abstract

Merokok merupakan sebuah perilaku yang telah menjadi kebiasaan bagi masyarakat di dunia dan terutama di Indonesia. Hampir sebagian besar perokok didominasi oleh kaum laki-laki dibandingkan kaum perempuan. Di era yang sudah digital banyak penelitian yang telah dilakukan yaitu salah satu penerapannya dalam penelitian dalam pendekatan klasifikasi. Penelitian yang dilakukan ini mengangkat sebuah permasalahan nilai akurasi atau keakuratan nilai dari pendekatan klasifikasi orang perokok dan bukan perokok berdasarkan data gambar, dengan menggunakan perbandingan metode CNN. Tujuan dari penelitian ini yaitu untuk membandingkan empat arsitektur dari metode CNN yaitu ResNet50, VGG16, Inception Net dan Mobile Net, dari keempat arsitektur tersebut dibandingkan mana yang lebih optimal dan mendapatkan akurasi terbaik dari klasifikasi orang perokok dan bukan perokok. Penelitian yang dilakukan menggunakan dataset yang bersumber dari Kaggle yaitu dataset berupa data gambar perokok dan bukan perokok dengan jumlah gambar sebanyak 1120 gambar, dibagi menjadi dua kelas yaitu 560 untuk kelas perokok dan 560 untuk kelas bukan perokok. Hasil percobaan membandingkan empat arsitektur dari metode CNN menunjukkan bahwa arsitektur InceptionNet dan MobileNet memiliki nilai akurasi yang paling optimal dibandingkan arsitektur ResNet50 dan VGG16. Nilai accuracy yang didapat dari arsitektur Inception Net dan MobileNet yaitu sebesar 91%, sedangkan pada arsitektur ResNet50 nilai accuracy sebesar 50% dan pada arsitektur VGG16 nilai accuracy sebesar 85%.