Implementasi Deep Learning menggunakan Algoritma EfficientDet untuk Sistem Deteksi Kelayakan Penerima Bantuan Langsung Tunai berdasarkan Citra Rumah di Wilayah Kabupaten Kediri
Kata Kunci:
bantuan langsung tunai, citra rumah, deep learning, efficientdetAbstrak
Indonesia merupakan salah satu negara berkembang yang memiliki permasalahan dalam hal kemiskinan. Salah satu upaya pemerintah untuk mengurangi kemiskinan ada membuat sebuah program bernama Bantuan Langsung Tunai. Program ini untuk membantu masyarakat yang masuk dalam kategori miskin atau sedang terkena musibah. Penentuan calon penerima bantuan masih dilakukan secara konvensional melalui sensus penduduk. Salah satu aspek yang menjadi pertimbangan adalah dari kondisi rumah, salah satunya adalah dari kondisi lantai serta kondisi dinding rumah. Saat ini belum ada sebuah sistem yang mampu membantu melakukan klasifikasi calon penerima dari citra rumahnya. Oleh karena itu dibutuhkan sebuah sistem khusus pemrosesan citra rumah untuk membantu pengambilan keputusan berhak atau tidak menerima bantuan dengan pendekatan deep learning. Deep learning merupakan salah satu metode yang cocok untuk melakukan klasifikasi citra dengan ukuran data yang relatif besar. Algoritma yang digunakan adalah EfficientDet, karena algoritma ini mampu untuk mendeteksi objek pada gambar atau video dengan akurasi yang tinggi. Data yang digunakan adalah citra rumah yang diambil dari hasil survei wilayah Kabupaten Kediri, yaitu sebanyak 1500 data. Data tersebut diberi label berhak atau tidak berhak menerima bantuan dan dibagi menjadi dua, yaitu 1200 data training dan 300 data test. Penelitian ini mendapatkan akurasi yang cukup baik dengan rincian sebagai berikut, nilai accuracy 93%, nilai recall 92%, nilai precision 96%, serta nilai f1-score 94%. Selain itu, pada penelitian juga dilakukan pengujian performa sistem dengan mengubah nilai dari beberapa parameter serta jumlah dataset yang digunakan pada saat proses training untuk melihat efeknya terhadap hasil akurasi.
Referensi
Arumdani, N., Rahmania, S.N., Nafi’ah, Z. & Tukiman, T., 2021. Efektivitas Bantuan Langsung Tunai Dana Desa (BLTDD) di Desa Mojoruntut Kecamatan Krembung Kabupatensidoarjo. Jurnal Indonesia Sosial Teknologi, 2(05), pp.874-885.
Dao, S. D. & Marian, R. 2011. Optimisation of precedence-constrained production sequencing and scheduling using genetic algorithms. Proceedings of the International Multi Conference of Engineers and Computer Scientists, 16-18 March, Hong Kong.
Danukusumo, K.P., 2017. Implementasi deep learning menggunakan convolutional neural network untuk klasifikasi citra candi berbasis GPU (Doctoral dissertation, UAJY).
Habibah, U. & Rosyda, M., 2022. Sistem pendukung keputusan penerima bantuan langsung tunai dana desa di pekandangan menggunakan metode AHP-TOPSIS. Jurnal Media Informatika Budidarma, 6(1), pp.404-413.
Lin, T.Y., Maire, M., Belongie, S., Hays, J., Perona, P., Ramanan, D., Dollár, P. & Zitnick, C.L., 2014. Microsoft coco: Common objects in context. In Computer Vision–ECCV 2014: 13th European Conference, Zurich, Switzerland, September 6-12, 2014, Proceedings, Part V 13 (pp. 740-755). Springer International Publishing.
Pramanik, N.D., 2020. Dampak bantuan paket sembako dan bantuan langsung tunai terhadap kelangsungan hidup masyarakat padalarang pada masa pandemi covid 19. Jurnal Ekonomi, Sosial & Humaniora, 1(12), pp.113-120.
Purmana, A., 2021. Implementasi Metode Deep Learning Dengan Menggunakan Algoritma Convolution Neural Network (CNN) Pada Citra Tulisan Tangan Aksara Sunda.
Sinaga, A.S.R., Marbun, M. & Sitio, A.S., 2021. Penerapan Teknologi Informasi Penentuan Prioritas Penerima Bantuan Langsung Tunai (BLT) desa Pagar Jati. Jurdimas (Jurnal Pengabdi. Kpd. Masyarakat) R, 4(1), pp.65-70.
Sofi, I., 2021. Efektivitas bantuan langsung tunai dana desa dalam pemulihan ekonomi di desa. Indonesian Treasury Review: Jurnal Perbendaharaan, Keuangan Negara dan Kebijakan Publik, 6(3), pp.247-262.
Song, S., Jing, J., Huang, Y. & Shi, M., 2021. EfficientDet for fabric defect detection based on edge computing. Journal of Engineered Fibers and Fabrics, 16, p.15589250211008346.
Tan, M., Pang, R. and Le, Q.V., 2020. Efficientdet: Scalable and efficient object detection. In Proceedings of the IEEE/CVF conference on computer vision and pattern recognition (pp. 10781-10790).
Wulandari, I., Yasin, H. & Widiharih, T., 2020. Klasifikasi citra digital bumbu dan rempah dengan algoritma convolutional neural network (cnn). Jurnal Gaussian, 9(3), pp.273-282.
Arumdani, N., Rahmania, S.N., Nafi’ah, Z. & Tukiman, T., 2021. Efektivitas Bantuan Langsung Tunai Dana Desa (BLTDD) di Desa Mojoruntut Kecamatan Krembung Kabupatensidoarjo. Jurnal Indonesia Sosial Teknologi, 2(05), pp.874-885.
Dao, S. D. & Marian, R. 2011. Optimisation of precedence-constrained production sequencing and scheduling using genetic algorithms. Proceedings of the International Multi Conference of Engineers and Computer Scientists, 16-18 March, Hong Kong.
Danukusumo, K.P., 2017. Implementasi deep learning menggunakan convolutional neural network untuk klasifikasi citra candi berbasis GPU (Doctoral dissertation, UAJY).
Habibah, U. & Rosyda, M., 2022. Sistem pendukung keputusan penerima bantuan langsung tunai dana desa di pekandangan menggunakan metode AHP-TOPSIS. Jurnal Media Informatika Budidarma, 6(1), pp.404-413.
Lin, T.Y., Maire, M., Belongie, S., Hays, J., Perona, P., Ramanan, D., Dollár, P. & Zitnick, C.L., 2014. Microsoft coco: Common objects in context. In Computer Vision–ECCV 2014: 13th European Conference, Zurich, Switzerland, September 6-12, 2014, Proceedings, Part V 13 (pp. 740-755). Springer International Publishing.
Pramanik, N.D., 2020. Dampak bantuan paket sembako dan bantuan langsung tunai terhadap kelangsungan hidup masyarakat padalarang pada masa pandemi covid 19. Jurnal Ekonomi, Sosial & Humaniora, 1(12), pp.113-120.
Purmana, A., 2021. Implementasi Metode Deep Learning Dengan Menggunakan Algoritma Convolution Neural Network (CNN) Pada Citra Tulisan Tangan Aksara Sunda.
Sinaga, A.S.R., Marbun, M. & Sitio, A.S., 2021. Penerapan Teknologi Informasi Penentuan Prioritas Penerima Bantuan Langsung Tunai (BLT) desa Pagar Jati. Jurdimas (Jurnal Pengabdi. Kpd. Masyarakat) R, 4(1), pp.65-70.
Sofi, I., 2021. Efektivitas bantuan langsung tunai dana desa dalam pemulihan ekonomi di desa. Indonesian Treasury Review: Jurnal Perbendaharaan, Keuangan Negara dan Kebijakan Publik, 6(3), pp.247-262.
Song, S., Jing, J., Huang, Y. & Shi, M., 2021. EfficientDet for fabric defect detection based on edge computing. Journal of Engineered Fibers and Fabrics, 16, p.15589250211008346.
Tan, M., Pang, R. and Le, Q.V., 2020. Efficientdet: Scalable and efficient object detection. In Proceedings of the IEEE/CVF conference on computer vision and pattern recognition (pp. 10781-10790).
Wulandari, I., Yasin, H. & Widiharih, T., 2020. Klasifikasi citra digital bumbu dan rempah dengan algoritma convolutional neural network (cnn). Jurnal Gaussian, 9(3), pp.273-282.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
