IDENTIFIKASI ATRIBUT PEJALAN KAKI MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN PRINCIPAL COMPNENT ANALISYS

Kemampuan komputer dalam melakukan identifikasi manusia atau objek saat ini menjadi topik penelitian yang muncul dalam visi komputer, penelitian tersebut memiliki potensi yang sangat tinggi diberbagai bidang seperti intelijen bisnis berbasis video dan pengawasan visual. Para peneliti sebelumnya menggunakan model Convolutional Neural Network (CNN) untuk identifikasi atribut pejalan kaki. Convolutional Neural Network memiliki kemampuan untuk melakukan pembelajaran fitur secara otomatis (fature learning). Tetapi model ini memiliki kelemahan yaitu inisialisasi bobot yang dibangkitkan secara acak terkadang menyebabkan redundancy bobot dan korelasi antar bobot saling berhubungan sehingga tidak terdapat indenpedensi. Diusulkan Principal Component Analisys untuk ekstraksi eigenvector dan inisialisasi kernel konvolusi yang dikombinasikan dengan proses training pada model Convolutional Neural Network. Pada penelitian ini, dilakukan beberapa skenario pengujian untuk mengetahui pengaruh PCA terhadap kinerja CNN, arsitektur CNN yang dibuat di latih dan di uji menggunakan dataset PETA. Hasil dari uji coba yang dilakukan dengan inisialisasi filter pada layer konvolusi menggunakan pca - random, pca, dan random memperoleh rata-rata f1 score sebesar 49.7%, 48.3%, dan 46.6%. Dapat disimpulkan dari hasil yang diperoleh yaitu inisialisasi filter pada layer konvolusi menggunakan pca dapat mempengaruhi kinerja pada CNN.