Klasifikasi Tinggi Badan Menggunakan Metode Mask R-CNN

Abstrak

Tinggi badan adalah parameter penting saat memasuki sebuah wahana. Penggunaan alat keselamatan saat bermain wahana permainan tidak akan maksimal jika wisatawan tidak memiliki tinggi badan yang sesuai dengan kriteria untuk memasuki wahana tersebut. Dalam penerapannya, seleksi wisatawan yang diperbolehkan masuk ke dalam wahana permainan masih menggunakan pengukuran tinggi badan secara manual. Penelitian ini bertujuan untuk mengurangi resiko terjadinya kecelakaan pada kendaraan dengan mengklasifikasikan dan mengimplementasikan sistem otomasi menggunakan pendekatan deep learning. Penggunaan deep learning yang berkembang saat ini dapat digunakan untuk mengklasifikasikan pengunjung. Penelitian ini mengusulkan proses klasifikasi tinggi badan menggunakan metode Mask R-CNN yang dapat digunakan untuk melakukan klasifikasi lebih dari satu orang, sehingga mempercepat antrean wisatawan pada wahana permainan. Hasil pengujian menunjukkan bahwa model Mask R-CNN yang dibangun berhasil mengklasifikasikan objek dengan memberikan bounding box, masking, dan label yang sesuai dengan objek. Membangun model Mask R-CNN sangat dipengaruhi oleh variatif gambar pada dataset dan proses anotasi gambar di dalam dataset. Evaluasi model menunjukkan hasil perhitungan mAP yang didapatkan sebesar 71%. Penelitian ini telah memenuhi tujuan utama dalam penelitian karena model Mask R-CNN berhasil melakukan klasifikasi yang sesuai.