Implementasi Dan Analisis Performansi Metode You Only Look Once (YOLO) Sebagai Sensor Pornografi Pada Video

Abstract

Video yang memuat konten pornografi sangatlah mudah untuk diakses pada saat ini. Setiap orang dari berbagai macam usia dan latar belakang dapat dengan mudah untuk menontonnya. Oleh karena itu, diperlukan suatu upaya untuk mempersulit orang-orang untuk dapat menonton video yang memuat konten pornografi. Penelitian ini akan menggunakan salah satu algoritma deteksi objek, yakni You Only Look Once (YOLO) untuk mendeteksi adanya konten pornografi pada video untuk keperluan penyensoran. YOLO merupakan pengembangan dari algoritma deteksi objek Convolutional Neural Network (CNN), sehingga YOLO mampu mendeteksi suatu objek dengan tingkat akurasi yang cukup tinggi dan frame rate yang lebih tinggi dibandingkan dengan algoritma deteksi objek state-of-the-art lainnya. Skema dataset yang digunakan pada penelitian ini adalah 2507 data latih, 2507 data validasi, dan 1253 data uji. Dataset akan dibagi menjadi 3 kelas, yakni npe (non-porn easy), npd (non-porn difficult), dan porn. Parameter performansi yang ditinjau adalah mean Average Precission (mAP). Nilai mAP tertinggi sebesar 48,13% dengan konfigurasi hyperparameter learning rate 0,001, epoch 100, dan batch size 32 untuk proses training, ditambah dengan proses fine-tuning dengan learning rate awal 0,0001, epoch 35, dan batch size 4. Model tersebut berhasil diimplementasikan pada aplikasi desktop untuk mendeteksi sekaligus menyensor gambar pornografi pada video dengan frame rate rata-rata di 25 fps. Kata kunci : object detection, CNN, YOLO, censorship, pornography