Metode Pengumpulan Data Pada Deteksi Pakaian Hijab Syar'I Berdasarkan Citra Digital Menggunakan Teachable machine Learning
DOI:
https://doi.org/10.31764/justek.v5i2.11614Keywords:
Hijab Syar’I, Citra digital, Machine Learning, Teachable Machine, Pengumpulan DataAbstract
Abstract:  Computer vision is a branch of artificial intelligence that uses digital images as input data. The stages of making computer vision are data collection, preprocessing, modeling, and testing. Test results are usually influenced by good modeling and data collection. Errors often occur in the data collection process so that data collection testing is needed before the modeling process using matlab or python. Therefore, this research aims to propose a data collection model with testing using a teachable machine. The datasets used are hijab syar'i, non syar'i and non hijab datasets because hijab is a trend among young people. However, many young people are not good at using their hijab in the pesantren area. So that the classification process is needed as a form of order in the pesantren. Datasets are obtained using web scraping methods on internet platforms such as pinterest, google image and instagram. The total dataset is 2,910 digital images of each class is 970. Teachable machine can validate the dataset quickly by looking at the accuracy per class. With the best model in the configuration of epoch 50, batch size 64 and learning rate 0.0001. Where the accuracy of each class using teachable is hijab syar'i by 99%, non syar'i by 94% and non hijab 99% with a test sample of 146 digital images each.
Abstrak: Visi Komputer merupakan cabang kecerdasan buatan yang menggunakan citra digital sebagai input data. Adapun tahapan pembuatan visi komputer ialah pengumpulan data, preprocessing, pembuatan model, dan pengujian. Hasil pengujian biasanya dipengaruhi oleh pembuatan model dan pengumpulan data yang baik. Kesalahan sering terjadi pada proses pengumpulan data sehingga dibutuhkan pengujian pengumpulan data sebelum proses pembuatan model dengan menggunakan matlab atau python. Oleh karenanya pada penelitian ini bertujuan untuk mengusulkan model pengumpulan data dengan pengujian menggunakan teachable machine. Adapun dataset yang digunakan ialah dataset hijab syar'i, non syar'i dan non hijab dikarenakan hijab menjadi trend dikalangan anak muda. Akan tetapi banyak anak muda yang belum baik penggunaan hijabnya diarea pesantren. Sehingga diperlukan proses klasifikasi sebagai bentuk ketertiban didalam pesantren. Dataset didapat dengan menggunakan metode web scraping pada platform internet seperti pinterest, google image dan instagram. Total dataset ialah 2,910 citra digital masing masing class ialah 970. Teachable machine dapat melakukan validasi dataset secara cepat dengan melihat akurasi per class. Dengan model terbaik pada konfigurasi epoch 50, batch size 64 dan learning rate 0.0001. Dimana Akurasi setiap class menggunakan teachable yaitu hijab syar'i sebesar 99%, non syar'i sebesar 94% dan non hijab 99% dengan sampel uji masing masing 146 citra digital.
References
Anggraini, W. (2020). Deep Learning Untuk Deteksi Wajah Yang Berhijab Menggunakan Algoritma Convolutional Neural Network (CNN) Dengan Tensorflow. Banda Aceh: UIN Ar-Raniry.
AYani, D. D., Pratiwi, H. S., & Muhardi, H. (2019). Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace. JUSTIN (Jurnal Sistem dan Teknologi Informasi), 7(4), 257-262.
Carney, M., Webster, B., Alvarado, I., Phillips, K., & Howell, N. (2020). Teachable machine: Approachable Web-based tool for exploring machine learning classification. Extended abstracts of the 2020 CHI conference on human factors in computing systems.
Daud, F. K. (2013). Jilbab, hijab dan aurat perempuan (Antara tafsir klasik, tafsir kontemporer dan pandangan muslim feminis). Al Hikmah: Jurnal Studi Keislaman, 3(1), 1-1.
Fajri, F. N., Hamid, N., & Pramunendar, R. A. (2017). The recognition of mango varieties based on the leaves shape and texture using back propagation neural network method. In 2017 International Conference on Sustainable Information Engineering and Technology (SIET). Malang.
Gonzalez, R. C., & Woods, R. E. (2018). Digital Image Processing, Hoboken. Pearson.
Harditya, A. (2020). Indonesian Sign Language (BISINDO) As Means to Visualize Basic Graphic Shapes Using Teachable Machine. International Conference of Innovation in Media and Visual Design (IMDES 2020) Atlantis Press.
Josi, A., Abdillah, L. A., & Suryayusra. (2014). Penerapan teknik web scraping pada mesin pencari artikel ilmiah. arXiv preprint arXiv:1410.5777.
Karlina, L. (2018). Pemakaian hijab syar’i mahasiswi IAIN Palangka Raya. (Doctoral dissertation, IAIN Palangka Raya).
Novianti, Pradnyani, K. D., & Setiawa, N. A. (2015). Peningkatan Nilai Recall dan Precision pada Penelusuran Informasi Pustaka Berbasis Semantik (Studi Kasus: Sistem Informasi Ruang Referensi Jurusan Teknik Elektro dan Teknologi Informasi UGM). Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I).
Sari, U. I., Permana, I., & Sali, F. N. (2017). Sistem Pendukung Keputusan Berbasis Rule Untuk Pemilihan Model Hijab. Seminar Nasional Teknologi Informasi Komunikasi Dan Industri.
Susanti, S. (2015). Rancang Bangun Aplikasi Mix dan Match Hijab dengan Android face detector Api. Makassar: Universitas Islam Negari Alauddin.
