Deteksi Senjata Genggam Menggunakan Faster R-CNN Inception V2

Abstract

Senjata genggam kelas pisau sering digunakan dalam kegiatan kriminal di Indonesia. Sering kali objek pisau yang terekam sulit terlihat dengan mata telanjang. Proses deteksi senjata genggam kelas pisau bisa dibantu dengan pengolahan citra menggunakan Deep Learning. Penelitian ini bertujuan untuk mengaplikasikan konsep Deep Learning dan Tensorflow Object Detection untuk melatih model Faster R-CNN Inception V2 untuk bisa mendeteksi senjata genggamgambar kelas pisau dalam citra digital. Dalam penelitian ini, model yang terlatih bisa menandai benda yang diduga sebagai senjata genggam kelas pisau dalam gambar dengan kotak penanda. Model yang dibuat dari penelitian ini dilatih dengan kumpulan dataset berisi gambar senjata genggam kelas pisau, dataset didapat dan terdiri dari rekaman bela diri pisau dan kumpulan pisau dengan bentuk dan warna yang beragam. Penelitian ini meneliti akurasi model Faster R-CNN Inception V2 yang dilatih dalam mendeteksi senjata genggam kelas pisau. Hasil akhir dari proses pengembangan model Faster R-CNN Inception V2 ini adalah model yang berhasil mendeteksi senjata genggam kelas pisau dengan akurasi sebanyak 87%, hasil akurasi didapatkan dari pengujian terhadap 475 gambar digital yang dilakukan di Google Colab.