pengenalan trailer film melalui machine learning dan …
TRANSCRIPT
TUGAS AKHIR
PENGENALAN TRAILER FILM MELALUI
MACHINE LEARNING DAN DEEP LEARNING
DENGAN
NORMALISASI SEQUENCE
Oleh :
YOHANES ANOM PRATITIS
16102036
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS
INFORMATIKA
INSTITUT TEKNOLOGI TELKOM PURWOKERTO
2020
ii
TUGAS AKHIR
PENGENALAN TRAILER FILM MELALUI
MACHINE LEARNING DAN DEEP LEARNING
DENGAN NORMALISASI SEQUENCE
INTRODUCTION TO THE TRAILER FILM THROUGH
MACHINE LEARNING AND DEEP LEARNING WITH
NORMALIZATION SEQUENCE
Disusun Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer
Oleh :
YOHANES ANOM PRATITIS
16102036
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS INFORMATIKA
INSTITUT TEKNOLOGI TELKOM PURWOKERTO
2020
iii
LEMBAR PENGESAHAN PEMBIMBING
PENGENALAN TRAILER FILM MELALUI
MACHINE LEARNING DAN DEEP LEARNING
DENGAN NORMALISASI SEQUENCE
INTRODUCTION TO THE TRAILER FILM
THROUGHMACHINE LEARNING AND DEEP
LEARNING WITH NORMALIZATION SEQUENCE
Dipersiapkan dan Disusun Oleh
YOHANES ANOM PRATITIS
16102036
Telah Diujikan dan Dipertahankan dalam Sidang Tugas Akhir
Pada Hari Selasa, 18 Agustus 2020,
Pembimbing I,
Agi Prasetiadi, S.T., M.Eng
NIDN. 0617098802
Pembimbing II,
Wahyu Andi Saputra, S.Pd., M.Eng
NIDN. 0628129101
Tugas Akhir ini diterima sebagai salah satu persyaratan
Untuk memperoleh gelar Sarjana Komputer
Tanggal 18 Agustus 2020
Dekan Fakultas Informatika
Didi Supriyadi, S.T., M.Kom, ITIL
NIK. 13840016
iv
LEMBAR PENETAPAN PENGUJI
PENGENALAN TRAILER FILM MELALUI
MACHINE LEARNING DAN DEEP LEARNING
DENGAN NORMALISASI SEQUENCE
INTRODUCTION TO THE TRAILER FILM
THROUGHMACHINE LEARNING AND DEEP
LEARNING WITH NORMALIZATION SEQUENCE
Dipersiapkan dan Disusun Oleh
YOHANES ANOM PRATITIS
16102036
Tugas Akhir Telah diuji dan Dinilai Panitia Penguji Program Studi
Teknik Informatika Fakultas Informatika
Institut Teknologi Telkom Purwokerto
Pada Tanggal : 18 Agustus 2020
Penguji I
Tri Ginanjar Laksana, S.Kom., M.C.S., M.Kom.
NIDN. 0407088502
Penguji II
Apri Junaidi, S.Kom., M.Kom., MCS
NIDN. 0407047403
v
vi
KATA PENGANTAR
Dengan segala puji bagi Tuhan yang Maha Esa, yang telah memberikan
kemudahan sehingga penulis dapat menyelesaikan proposal penelitian ini dengan
baik.
Menyadari penyusunan laporan ini yang tidak lepas dari bantuan berbagai pihak,
penulis menyampaikan ucapan terima kasih kepada :
1. Bapak Dr. Ali Rokhman, M.Si. selaku Rektor Institut Teknologi Telkom
Purwokerto.
2. Bapak Didi Supriyadi, S.T, M.Kom. selaku Dekan Fakultas Teknologi
Industri dan Informatika
3. Bapak Fahrudin Mukti Wibowo, S.Kom., M.Eng. selaku Ketua Program
Studi Teknik Informatika
4. Bapak Agi Prasetiadi, S.T., M.Eng selaku Dosen Pembimbing pertama yang
telah memberikan bimbingan dan pengarahan pada saat penyusunan proposal
skripsi.
5. Bapak Wahyu Andi Saputra, S.Pd., M.Eng. selaku Dosen Pembimbing kedua
yang telah memberikan bimbingan dan pengarahan pada saat penyusunan
proposal skripsi.
6. Mbak Shoofiyah selaku teman yang membantu mengumpulkan dataset video
an mendukung penulis untuk penyusunan proposal skripsi dan mendukung
penulis dalam penyusunan skripsi
7. Orang tua, Teman Seperjuangan Program Studi S1 Teknik Informatika serta
semua pihak yang tidak dapat penulis sebutkan satu persatu.
Dalam penyusunan proposal tugas akhir ini penulis berharap semoga proposal
ini dapat bermanfaat dan berguna bagi semua pihak khususnya bagi teknik
informatika.
Purwokerto, 3 Agustus 2020
YOHANES ANOM PRATITIS
vii
DAFTAR ISI
LEMBAR PENGESAHAN PEMBIMBING ......................................................... iii
LEMBAR PENETAPAN PENGUJI ..................................................................... iv
HALAMAN PERNYATAAN KEASLIAN TUGAS AKHIR ............................... v
KATA PENGANTAR ........................................................................................... vi
DAFTAR ISI ......................................................................................................... vii
DAFTAR TABEL ................................................................................................... x
DAFTAR GAMBAR ............................................................................................. xi
DAFTAR SINGKATAN ...................................................................................... xii
DAFTAR SIMBOL .............................................................................................. xiii
DAFTAR PERSAMAAN .................................................................................... xiv
DAFTAR LAMPIRAN ......................................................................................... xv
ABSTRAK ............................................................. Error! Bookmark not defined.
ABSTRACT ........................................................................................................ xvii
BAB I PENDAHULUAN ..................................... Error! Bookmark not defined.
1.1 Latar Belakang .................................... Error! Bookmark not defined.
1.2 Rumusan Masalah ................................................................................ 4
1.3 Tujuan Penelitian ................................................................................. 4
1.4 Batasan Masalah ................................................................................... 4
1.5 Manfaat Penelitian ............................................................................... 5
BAB II TINJAUAN PUSTAKA ............................................................................ 6
2.1 Penelitian Sebelumnya ......................................................................... 6
2.2 Landasan Teori .................................... Error! Bookmark not defined.
viii
2.2.1 Machine Learning ............................... Error! Bookmark not defined.
2.2.2 Supervised Learning ............................ Error! Bookmark not defined.
2.2.3 Multilayer Neural Network ................. Error! Bookmark not defined.
2.2.4 Rectrified Linear Unit (ReLut) ............ Error! Bookmark not defined.
2.2.5 Dropout Regularization....................... Error! Bookmark not defined.
2.2.6 Activation Function ............................. Error! Bookmark not defined.
2.2.7 Arsitektur Jaringan CNN ..................... Error! Bookmark not defined.
2.2.8 Deep Learning ..................................... Error! Bookmark not defined.
2.2.9 Convolutional Neural Network (CNN)Error! Bookmark not defined.
2.2.10 K-Nearest Neighbors (K-NN) ........... 2Error! Bookmark not defined.
2.2.11 Support Vector Machine (SVM) ........................................................ 22
2.2.12 Ekstra Trees Classifier ....................................................................... 23
2.2.13 Random Forest Trees ......................................................................... 23
2.2.14 AdaBoost Classifier ............................................................................ 24
2.2.15 Gradient Boosting Classifier .............................................................. 25
2.2.16 Jupyter Notebook................................................................................ 25
2.2.17 Python................................................................................................. 26
2.2.18 Tensorflow .......................................................................................... 26
2.2.19 Data Augmentation ............................................................................ 27
BAB III METODOLOGI PENELITIAN ............. Error! Bookmark not defined.
3.1 Populasi dan Sampel ........................... Error! Bookmark not defined.
3.2 Variabel dan Definisi Operasional Variabel ...................................... 30
3.3 Jenis dan Sumber Data ....................................................................... 31
3.4 Tahapan Penelitian .............................. Error! Bookmark not defined.
ix
3.5 Identifikasi Masalah dan Studi LiteraturError! Bookmark not
defined.
3.6 Pengumpulan Data .............................. Error! Bookmark not defined.
3.7 Perancangan Preprocessing Data LatihError! Bookmark not
defined.
3.8 Perancangan Deep Learning dengan Algoritma Convolutional Neural
Network ............................................... Error! Bookmark not defined.
3.9 Pengujian Model ................................................................................ 40
3.10 Pelatihan Model................................... Error! Bookmark not defined.
3.11 Normalisasi Nilai Sequence ................ Error! Bookmark not defined.
3.12 Perancangan Machine Learning Dengan Algoritma K-Nearest
Neighbor, Support Vector Machine, Ekstra Tree Classifier, Random
Forest Tree, Ada Boost Classifier, Dan Gradient Boosting Classifier
............................................................. Error! Bookmark not defined.
3.13 Penulisan Laporan ............................... Error! Bookmark not defined.
3.14 Analisis Data ....................................... Error! Bookmark not defined.
3.15 Perangkat Pengujian ........................................................................... 49
BAB IV HASIL PENGUJIAN DAN ANALISIS .. Error! Bookmark not defined.
4.1 Model Hasil Training dengan Arsitektur CNN .................................. 50
4.2 Hasil Deteksi dengan Arsitektur CNNError! Bookmark not
defined.7
4.3 Hasil Analisis Arsitektur CNN ........................................................... 58
4.4 Hasil Analisis Testing Trailer Film .................................................... 59
4.5 Analisis Hasil Kerja Sistem ................................................................ 60
BAB V KESIMPULAN DAN SARAN ............................................................... 61
5.1 Kesimpulan......................................................................................... 61
x
5.2 Saran ................................................................................................... 61
DAFTAR PUSTAKA ........................................................................................... 62
LAMPIRAN .......................................................................................................... 69
x
DAFTAR TABEL
Tabel 2.1 Diagram Penelitian Sebelumnya ....................................................................... 7
Tabel 3.2 Definisi Operasional Variabel ............................................................... 30
Tabel 3.1 Flowchart Model CNN.......................................................................... 38
Tabel 3.2 Perhitungan Model CNN ...................................................................... 39
Tabel Hasil Deteksi Dengan Arsitektur CNN ....................................................... 5
Tabel Hasil Analisis Arsitektur Convolutional Neural Network .......................... 6
Tabel Hasil Analisis Testing Trailer Film ............................................................. 7
xi
DAFTAR GAMBAR
Gambar 2.1 Grafik Fungsi Aktivasi ReLU ........................................................... 14
Gambar 2.2 Standard Neural Network .................................................................. 15
Gambar 2.3 After Applying Dropout .................................................................... 16
Gambar 2.4 Diagram Feature Map........................................................................ 17
Gambar 2.5 Diagram Deep Learning .................................................................... 19
Gambar 2.6 Diagram Convolutional Neural Network .......................................... 20
Gambar 3.1 Diagram Alur Penelitian.................................................................... 32
Gambar 3.2 Video Manusia sedang Berlari .......................................................... 33
Gambar 3.3 Augmentasi Pada Gambar Diam ....................................................... 35
Gambar 3.4 Rancangan Arsitektur CNN .............................................................. 41
Gambar 3.5 Penentuan Parameter ......................................................................... 41
Gambar 3.6 Arsitektur CNN ................................................................................. 43
Gambar 3.7 Kamus Hasil Latih Arsitektur CNN .................................................. 43
Gambar 3.8 Proses Normalisasi pada Hasil Uji Citra Action ............................... 44
Gambar 3.9 Proses Pernggabungan Nilai Sequence ............................................. 44
Gambar 3.10 Proses Penggabungan Nilai Sequence pada Data Uji ..................... 45
Gambar 3.11 Proses Pelatihan dan Pengujian dengan Algoritma KNN ............... 45
Gambar 3.12 Proses Proses Pelatihan dan Pengujian dengan Algoritma SVM .... 46
Gambar 3.13 Proses Pelatihan dan Pengujian dengan Algoritma ETC ................ 46
Gambar 3.14 Proses Pelatihan dan Pengujian dengan Algoritma RFC ................ 47
Gambar 3.15 Proses Pelatihan dan Pengujian dengan Algoritma ABC................ 47
Gambar 3.16 Proses Pelatihan dan Pengujian dengan Algoritma GBC................ 48
Gambar 4.1 Proses Pengujian 1 Convolutional Layer .......................................... 51
Gambar 4.2 Proses Pengujian 2 Convolutional Layer .......................................... 52
Gambar 4.3 Proses Pengujian 3 Convolutional Layer .......................................... 53
Gambar 4.4 Proses Pengujian 4 Convolutional Layer .......................................... 54
Gambar 4.5 Proses Pengujian 5 Convolutional Layer .......................................... 55
Gambar 4.6 Proses Pengujian 6 Convolutional Layer .......................................... 56
xii
DAFTAR SINGKATAN
Singkatan Kalimat Asli
CNN Convolutional Neural Network
KNN K-Nearest Neighbors
SVM Support Vector Machine
ETC Ekstra Tree Classifier
RFT Random Forest Tree
ABC AdaBoost Classifier
GBC Gradient Boosting Classifier
Conv Convolutional Layer
Pool Max Pooling Layer
xiii
DAFTAR SIMBOL
Simbol Nama Keterangan
Terminator Simbol yang berfungsi
untuk memulai atau
mengakhiti suatu
program
Proses Simbol yang berfungsi
untuk menunjukkan
suatu proses pada
program
Decision Simbol yang berfungsi
sebagai perbandingan
pernyataan,
penyeleksian data yang
memberikan pilihan
untuk langkat
selanjutnya
Garis Alir Simbol yang berfungsi
sebagai arah aliran
program
Input/Output
Data
Simbol yang berfungsi
sebagai proses
input/output data,
parameter, informasi
Dokumen Simbol yang
menyatakan input dari
kertas atau output ke
dalam kertas
xiv
DAFTAR PERSAMAAN
Persamaan 1 Rumus Mencari Mapping Function ................................................. 12
Persamaan 2 Rumus Mencari Nilai ReLu ............................................................. 14
Persamaan 3 Mencari Nilai Rotation .................................................................... 27
Persamaan 4 Mencari Nilai Scalling ..................................................................... 28
Persamaan 5 Mencari Nilai Shears ....................................................................... 28
Persamaan 6 Mencari Model CNN ....................................................................... 39
72
DAFTAR LAMPIRAN
Lampiran 1 Plagiarisme ........................................................................................ 69
Lampiran 2 Hasil Data Latih ................................................................................. 70
Lampiran 3 Hasil Data Uji .................................................................................... 72