Deteksi Iklan Judi Online pada gambar dengan Algoritma Faster R-CNN

Aldamawan, Dekis (2023) Deteksi Iklan Judi Online pada gambar dengan Algoritma Faster R-CNN. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (47kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (26kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (434kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (159kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (997kB)
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (528kB)
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (23kB)
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (177kB)

Abstract

Perkembangan teknologi informasi mengubah seluruh lini kehidupan kita sehari-hari, terdapat berbagai kemudahan yang bisa kita dapatkan dengan adanya perkembangan teknologi informasi ini. Namun, hasil perkembangan teknologi informasi ini pun memunculkan suatu permasalahan baru yaitu judi online. Perjudian merupakan kegiatan ilegal di Indonesia dan perbuatan yang keji menurut agama Islam. Penyedia jasa layanan judi online melakukan penyisipan iklan judi online yang mereka punya pada sebuah gambar yang akan disebarkan luaskan ke internet untuk menggaet konsumen barunya. Sehingga semakin banyak ditemukan gambar di internet yang menyisipkan iklan judi online hingga pada akhirnya informasi terkait judi online semakin tersebar dan mudah didapatkan. Berdasarkan hal ini, maka dilakukan penelitian untuk membuat model yang dapat mendeteksi iklan judi online yang terdapat pada gambar. Penelitian ini mengimplementasikan algoritma Faster R-CNN dalam pembangunan model. Penelitian ini menggunakan dataset yang terdiri dari 5 kelas, dengan total 1000 gambar. Penelitian ini menggunakan variasi rasio pembagian dataset untuk data latih dan data uji, yaitu 50%:50%, 60%:40%, 70%:30%, 80%:20%, dan 90%:10%. Setiap variasi rasio dilakukan pengujian sebanyak tiga kali dengan menentukan nilai num_steps yang terdiri dari 1000, 5000, dan 10000. Hasil evaluasi menunjukan bahwa model yang memiliki kinerja terbaik terdapat pada model dengan num_steps 10000 dengan rasio 90%:10%, yang dimana pada model ini berhasil mendapatkan average precision 90.1% dan average recall 92.1%.

Actions (login required)

View Item