IMPLEMENTASI ARSTEKTUR INCEPTIONRESNET V2 DAN SQUARED HINGE LOSS (STUDI KASUS KLASIFIKASI POSE YOGA)
Postur tubuh saat melakukan yoga yang tidak tepat dapat menyebabkan kerusakan otot dan ligamen serta mengakibatkan cedera. Dengan melakukan pose yoga dengan benar dapat mengurangi kecelakaan ketika yoga. Aplikasi computer vision dapat digunakan untuk mengurangi kecelakaan yang terjadi ketika melakukan yoga. Pada penelitian, dilakukan sebagai langkah awal dalam penentuan model klasifikasi yang digunakan pada aplikasi yang dapat melakukan koreksi pada postur tubuh saat melakukan yoga. Penelitian dilakukan dengan mengklasifikasikan 11 studi kasus pose yoga dengan mengimplementasikan arsitektur InceptionResnet-v2 dan Squared Hinge Loss. Pengujian dilakukan dengan beberapa variasi model berdasarkan learning rate, jumlah epoch, scaling residual, blok Inception Resnet, dan loss yang berbeda. Pada hasil yang didapatkan, model dengan kinerja terbaik diperoleh pada learning rate 0.0001, epoch 200, scaling residual InceptionResnet blok A 0.15, blok B 0.1, dan blok C 0.2, serta penggunaan blok Inception Resnet 5 iterasi, B 10 iterasi, dan C 5 iterasi dengan kinerja arsitektur berdasarkan hasil evaluasi performa model didapatkan 89.98% accuracy, 90.38% precision, 89.79% recall, 89.83% F1 score, and 99% specificity pada pengujian 888 data uji dengan 11 pose yoga berbeda. Rata-rata pengujian waktu klasifikasi 1.301s.
APA Style
. (2022).IMPLEMENTASI ARSTEKTUR INCEPTIONRESNET V2 DAN SQUARED HINGE LOSS (STUDI KASUS KLASIFIKASI POSE YOGA) ().Teknik Informatika:FTI
Chicago Style
.IMPLEMENTASI ARSTEKTUR INCEPTIONRESNET V2 DAN SQUARED HINGE LOSS (STUDI KASUS KLASIFIKASI POSE YOGA) ().Teknik Informatika:FTI,2022.Text
MLA Style
.IMPLEMENTASI ARSTEKTUR INCEPTIONRESNET V2 DAN SQUARED HINGE LOSS (STUDI KASUS KLASIFIKASI POSE YOGA) ().Teknik Informatika:FTI,2022.Text
Turabian Style
.IMPLEMENTASI ARSTEKTUR INCEPTIONRESNET V2 DAN SQUARED HINGE LOSS (STUDI KASUS KLASIFIKASI POSE YOGA) ().Teknik Informatika:FTI,2022.Text
