Gustian, Angga (2026) Implementasi model EfficientNet untuk klasifikasi gambar pornografi pada citra digital. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
This is the latest version of this item.
|
Text (COVER)
1. cover.pdf Download (142kB) | Preview |
|
|
Text (ABSTRAK)
2. abstrak.pdf Download (238kB) | Preview |
|
|
Text (LEMBAR PERNYATAAN)
Surat pernyataan karya sendiri.pdf Download (551kB) | Preview |
|
|
Text (DAFTAR ISI)
3. daftar isi.pdf Download (246kB) | Preview |
|
|
Text (BAB I)
4. bab 1.pdf Download (304kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5. bab 2.pdf Restricted to Registered users only Download (427kB) |
|
|
Text (BAB III)
6. bab 3.pdf Restricted to Registered users only Download (329kB) |
|
|
Text (BAB IV)
7. bab 4.pdf Restricted to Registered users only Download (939kB) |
|
|
Text (BAB V)
8. bab 5.pdf Restricted to Registered users only Download (231kB) |
|
|
Text (DAFTAR PUSTAKA)
9. daftar pustaka.pdf Restricted to Registered users only Download (204kB) |
|
|
Text (LAMPIRAN)
Surat Validasi batasan pornografi.pdf Restricted to Repository staff only Download (1MB) |
Abstract
Penyebaran konten pornografi melalui internet semakin meningkat dan sulit dikendalikan secara manual karena jumlah gambar yang beredar sangat besar, sementara proses pemeriksaan yang dilakukan oleh manusia membutuhkan waktu lama dan berisiko bagi kesehatan psikologis pemeriksa itu sendiri. Kondisi ini berdampak serius terutama bagi anak-anak dan remaja yang dapat dengan mudah terpapar konten tidak pantas tanpa adanya sistem penyaringan yang bekerja secara otomatis. Penelitian sebelumnya yang mendeteksi konten pornografi umumnya menggunakan arsitektur jaringan saraf konvolusional, namun belum ada yang secara khusus menggunakan EfficientNet untuk klasifikasi pornografi sekaligus membandingkan pengaruh berbagai pembagian dataset terhadap kinerja model secara sistematis. Oleh karena itu, penelitian ini membangun sistem klasifikasi gambar pornografi menggunakan arsitektur EfficientNetB0 dengan metode transfer learning, yang dilatih menggunakan 5.797 gambar dari tiga sumber data publik yaitu Roboflow, Kaggle, dan Images.cv, yang terbagi menjadi dua kelas yaitu aman sebanyak 2.791 gambar dan tidak aman sebanyak 3.006 gambar. Proses pelatihan dilakukan dalam dua tahap yaitu tahap pengekstraksian fitur dan tahap fine tuning, serta dibandingkan pada tiga skema pembagian data yaitu 70:15:15, 60:20:20, dan 80:10:10. Hasil pengujian menunjukkan bahwa ketiga skema menghasilkan kinerja yang baik dan stabil dengan nilai akurasi di atas 93% dan nilai AUC-ROC di atas 98% pada seluruh skema. Skema 80:10:10 menghasilkan nilai recall tertinggi sebesar 97,01% dan F1-score sebesar 93,89%, skema 60:20:20 unggul pada precision sebesar 91,87% dan specificity sebesar 90,88%, sedangkan skema 70:15:15 menghasilkan AUC-ROC tertinggi sebesar 98,37%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Klasifikasi Citra; Transfer Learning; EfficientNetB; Deep Learning; Pornografi; |
| Subjects: | Special Computer Methods > Artificial Intelligence Engineering |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Angga Gustian |
| Date Deposited: | 18 Jun 2026 01:00 |
| Last Modified: | 18 Jun 2026 04:23 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/132782 |
Available Versions of this Item
-
Implementasi model EfficientNet untuk klasifikasi gambar pornografi pada citra digital. (deposited UNSPECIFIED)
- Implementasi model EfficientNet untuk klasifikasi gambar pornografi pada citra digital. (deposited 18 Jun 2026 01:00) [Currently Displayed]
Actions (login required)
 |
View Item |
