ROZAN, Rozan (2024) Perbandingan Kinerja Arsitektur InceptionResNetV2 Dan Xception Untuk Klasifikasi Multi-label Genre Film Berdasarkan Poster. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (63kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (508kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (401kB)
	Text 5. KATA PENGANTAR.pdf Download (92kB)
	Text 6. ABSTRAK.pdf Download (41kB)
	Text 7. ABSTRACT.pdf Download (41kB)
	Text 8. DAFTAR ISI.pdf Download (50kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (103kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (110kB)

Abstract

Poster film merupakan media komunikatif untuk mempromosikan dan
memberikan gambaran awal tentang genre sebuah film. Identifikasi genre poster
merupakan tugas yang menantang karena sebuah poster seringkali
merepresentasikan berbagai genre. Namun, tugas tersebut penting dilakukan
dalam sistem rekomendasi. Untuk mengatasi masalah ini, diperlukan sistem
otomatis yang mengklasifikasikan poster ke dalam genre yang sesuai
menggunakan Convolutional Neural Network (CNN). Penelitian ini mencoba
membuat dan membandingkan sistem klasifikasi multi-label genre film
berdasarkan poster dengan dua arsitektur InceptionResNetV2 dan Xception.
Dataset yang digunakan berupa 1000 poster dengan lima kelas genre yaitu aksi,
komedi, drama, horor, dan romantis. Adam Optimizer dan transfer learning
digunakan untuk mengoptimalkan model. Perbandingan antara model CNN
didasarkan pada nilai hamming loss dan nilai akurasi. Hasilnya menunjukkan
bahwa arsitektur Xception memiliki kinerja yang lebih baik dibandingkan
InceptionResNetV2, dengan akurasi 66,6% pada data validasi dan 68,3% pada data
uji, sedangkan InceptionResNetV2 hanya mencapai 65% pada data validasi dan
64% pada data uji. Selain itu, arsitektur Xception menunjukkan nilai hamming
loss yang lebih rendah, yaitu 0,167 pada data validasi dan 0,138 pada data uji,
dibandingkan dengan hamming loss pada InceptionResNetV2 sebesar 0,173 pada
data validasi dan 0,176 pada data uji.
Kata Kunci: poster film, genre film, CNN, inceptionresnetv2, xception

Actions (login required)

View Item