ANALISIS PERBANDINGAN EFISIENSI ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) MOBILENETV2 DAN INCEPTIONV3 PADA OBJEK BERGERAK

Irsalina, Salmah (2026) ANALISIS PERBANDINGAN EFISIENSI ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) MOBILENETV2 DAN INCEPTIONV3 PADA OBJEK BERGERAK. Diploma thesis, Universitas Nasional.

	Text cover.pdf Download (2MB)
	Text BAB 1.pdf Download (404kB)
	Text BAB 2.pdf Download (693kB)
	Text BAB 3.pdf Download (797kB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (255kB)
	Text LAMPIRAN.pdf Download (506kB)

Abstract

Perkembangan Computer Vision pada pengenalan objek bergerak dari data video
sekuensial menuntut ekstraksi fitur spasial dan temporal yang optimal. Tantangan
utama dalam bidang Informatika untuk tugas pemrosesan ini adalah tingginya
beban komputasi. Arsitektur Convolutional Neural Network (CNN) konvensional
yang kompleks umumnya menghasilkan ukuran parameter yang masif dan
membutuhkan memori perangkat yang besar, sehingga sulit diimplementasikan
pada perangkat keras dengan sumber daya terbatas. Penelitian ini bertujuan untuk
menganalisis dan membandingkan tingkat efisiensi komputasi antara dua arsitektur
pengekstraksi fitur spasial, yaitu arsitektur lightweight MobileNetV2 dan arsitektur
kompleks InceptionV3, yang keduanya dipadukan dengan Bidirectional Long
Short-Term Memory (Bi-LSTM) untuk pemrosesan temporal. Evaluasi kinerja
difokuskan murni pada efisiensi algoritma dengan metrik pengukuran meliputi
jumlah parameter, ukuran model (dalam Megabyte), dan waktu inferensi per frame.
Pengujian dilakukan secara berimbang dengan menetapkan teknik augmentasi
random brightness sebagai variabel kontrol preprocessing. Hasil pengujian secara
empiris menunjukkan bahwa model MobileNetV2-BiLSTM jauh lebih efisien
secara komputasi dengan ukuran model sebesar 11,3 MB, total parameter sebanyak
2.955.522, dan waktu inferensi 0,0494 ms/frame, dibandingkan dengan model
InceptionV3-BiLSTM yang memiliki ukuran model 87,5 MB dan waktu inferensi
0,0516 ms/frame. Kesimpulan dari penelitian ini membuktikan bahwa pendekatan
arsitektur lightweight sangat direkomendasikan untuk menekan overhead
komputasi dalam analisis video tanpa memerlukan sumber daya perangkat keras
kelas atas.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Fitria Nur Indah Hasanah
Date Deposited:	18 May 2026 06:29
Last Modified:	18 May 2026 06:29
URI:	https://repository.unas.ac.id/id/eprint/15990

Actions (login required)

View Item