IDENTIFIKASI ATRIBUT PEJALAN KAKI BERBASIS MULTI TASK LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Atribut pejalan kaki banyak digunakan dalam pengawasan visual. Teknologi yang digunakan dalam pengawasan visual salah satunya adalah Close Circuit Television (CCTV). Dalam pengawasan dunia nyata kamera CCTV biasanya dipasang pada jarak yang jauh untuk menjangkau area yang luas, dengan demikian pejalan kaki terrekam kamera CCTV dengan resolusi yang rendah, oleh karena itu, identifikasi atribut pejalan kaki penting diimplementasikan untuk mengenali pejalan kaki. Pada penelitian ini diusulkan metode Convolutional Neural Network (CNN), dengan algoritma Multi Task Learning (MTL) untuk identifikasi atribut pejalan kaki. Atribut yang digunakan dalam identifikasi atribut pejalan kaki berjumlah tujuh atribut, yaitu laki-laki, rambut panjang, sandal, celana pendek, tanpa bawaan, tas punggung, dan topi. Pada penelitian ini dilakukan uji coba jumlah lapisan konvolusi pada bagian Sharing Layer dan bagian Specific Sharing Layer. Hasil uji coba penggunaan jumlah lapisan konvolusi pada bagian Sharing Layer dan Specific Sharing Layer berpengaruh terhadap kinerja model yang dihasilkan. Semakin banyak jumlah lapisan konvolusi semakin meningkat hasil akurasi yang didapatkan, secara beturut-turut rata-rata akurasi yang dihasilkan pada bagian Sharing Layer dengan jumlah lapisan konvolusi satu, dua, dan tiga adalah sebesar 33.48%, 44.92% dan 50.77%. Sedangkan pada bagian Specific Sharing Layer jumlah lapisan konvolusi satu, dua, dan tiga secara berturut-turut memperoleh rata-rata akurasi sebesar 30.53%, 45.61% dan 50.24%. Berdasarkan uji coba yang telah dilakukan, bagian Sharing Layer dan Specific Sharing Layer mempunyai peran penting yang sama untuk meningkatkan kinerja identifikasi.

Kata Kunci: Identifikasi Atribut, Multi Task Learning, Convolutional Neural Network, Sharing Layer dan Specific Sharing Layer.