SISTEM KEAMANAN RUANGAN DENGAN HUMAN DETECTION MENGGUNAKAN SENSOR KAMERA BERBASIS DEEP LEARNING

Abstract

Penelitian ini memusatkan perhatian pada penerapan TensorFlow, sebuah platform open-source untuk machine learning, dalam konteks deteksi objek dan analisis visual. Tujuan dari penelitian ini adalah untuk mengembangkan dan melatih model deteksi objek menggunakan teknik-teknik deep learning yang terdapat dalam TensorFlow guna mengidentifikasi objek-objek dalam berbagai konteks visual. Metodologi penelitian ini melibatkan pengumpulan dataset yang representatif, penerapan arsitektur model yang sesuai seperti Convolutional Neural Networks (CNNs), serta proses training yang melibatkan teknik-teknik seperti transfer learning atau fine-tuning. TensorFlow digunakan sebagai framework utama dalam proses pengembangan dan evaluasi model, memanfaatkan kekuatan algoritma-algoritma yang telah tersedia dan kemampuan komputasi yang terdapat pada GPU. Hasil eksperimen menunjukkan bahwa model yang dikembangkan mampu mencapai tingkat akurasi yang signifikan dalam tugas deteksi objek, memberikan nilai performa yang baik dalam membedakan dan mengidentifikasi objek-objek dalam dataset yang beragam. Hasil ini mengindikasikan bahwa TensorFlow memiliki peran penting dalam memfasilitasi pengembangan model deep learning yang mampu menangani tugas-tugas visual kompleks secara efektif. Penelitian ini memberikan wawasan penting terkait aplikasi TensorFlow dalam konteks deteksi objek dan analisis visual, menyoroti potensi dan kekuatan yang dimiliki oleh platform ini dalam menghadapi tantangan-tantangan dalam domain visual computing.