Rahmatullah, Muhammad Aufa (2020) Klasifikasi Tindak Kejahatan Dalam Video Dengan Menggunakan 3D Convolutional Neural Network (3D CNN). Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07211540000042-Undergraduate_Thesis.pdf Download (3MB) | Preview |
Abstract
Pada tempat – tempat yang terdapat banyak kerumunan orang, pengawasan keamanan sangatlah dibutuhkan karena semakin ramai tempat tersebut maka semakin besar juga kemungkinan terjadinya tindak kriminal. Definisi dari kerumunan orang itu sendiri adalah organisme yang kurang terstruktur dan perilakunya merupakan campuran dari beberapa perilaku dan tujuan individu yang heterogen atau bermacam – macam. Maka dari itu pada tugas akhir ini akan dikembangkan sebuah sistem yang bisa mengklasifikasi tindak kejahatan menggunakan 3D CNN (3D Convolutional Neural Network) dengan menggunakan dataset UCF-Crime yang berjumlah sebanyak 1250 video dan terpisah menjadi 14 kelas. Proses training menggunakan 3D CNN berjalan selama kurang lebih 4 hari dengan menggunakan 10 epoch dan batch size 12. Proses klasifikasi citra akan menggunakan lima macam model yang merupakan hasil modifikasi dari arsitektur C3D. Hasil perbandingan performa akurasi prediksi menunjukkan bahwa model pertama, kedua, ketiga, keempat, dan kelima masing - masing memiliki nilai akurasi sebesar 15,7%, 27,1%, 17,1%, 17,1%, dan 22,8%.
==================================================================================================================================
In places where there are large crowds, security surveillance is needed because the more crowded the place, the greater the possibility of crime. The definition of the crowd itself is a less structured organism and its behavior is a mixture of heterogeneous or diverse individual behaviors and goals. Therefore, in this thesis a system that can classify crime using 3D CNN (3D Convolutional Neural Network) will be developed by using the UCF-Crime dataset, totaling 1250 videos and separated into 14 classes. The process of training using 3D CNN runs for approximately 4 days using 10 epoch and 12 batch size. The image classification process will use five types of models that are a modification of the C3D architecture. The comparison of predictive accuracy shows that the first, second, third, fourth, and fifth models each have an accuracy value of 15.7%, 27.1%, 17.1%, 17.1%, 22,8%.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSKom 006.32 Rah k-1 |
| Uncontrolled Keywords: | Kejahatan, Klasifikasi, 3D Convolutional Neural Network (3D CNN) |
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques. Image analysis--Data processing. |
| Divisions: | Faculty of Electrical Technology > Computer Engineering > 90243-(S1) Undergraduate Thesis |
| Depositing User: | Muhammad Aufa Rahmatullah |
| Date Deposited: | 18 Mar 2025 07:32 |
| Last Modified: | 18 Mar 2025 07:32 |
| URI: | http://repository.its.ac.id/id/eprint/74670 |
Actions (login required)
 |
View Item |