ALFIAN NUR ROHMAN (2024) PENGENALAN ORANG MEROKOK DENGAN PENDEKATAN CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN PYTORCH. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (194kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (821kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (5kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (16kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (35kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (154kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (501kB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (7kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (75kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (949kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (1MB)

Abstract

Salah satu dampak utama dari paparan perokok pasif adalah peningkatan risiko terhadap gangguan pernapasan, seperti asma dan bronkitis. Selain itu, dalam konteks penyakit kardiovaskular, mereka juga berisiko tinggi terhadap kondisi tersebut. Meskipun telah ada upaya untuk menerapkan larangan merokok di berbagai tempat, penegakan aturan tersebut sering kali menghadapi tantangan. Penelitian ini bertujuan untuk mengembangkan sistem deteksi menggunakan PyTorch untuk memonitor perilaku merokok. Dataset terdiri dari 1120 gambar yang dikelompokkan ke dalam dua kelas: "smoking" dan "notsmoking". Data dibagi dengan rasio 60:25:15, 70:20:10, dan 80:15:5 untuk latihan, validasi, dan pengujian model. Hasil penelitian menunjukkan bahwa model mencapai kinerja terbaik pada rasio data 80:15:5, dengan akurasi sebesar 0.91. Presisi untuk kelas "notsmoking" mencapai 1.00, sementara untuk kelas "smoking" mencapai 0.86.

Dosen Pembimbing: Karisma Trinanda Putra, , Ir., S.ST., M.T., Ph.D. | NIDN0519069003
Item Type: Thesis (S1)
Uncontrolled Keywords: health, smoker, pytorch, image detection
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Bima
Date Deposited: 29 Jul 2024 02:58
Last Modified: 29 Jul 2024 02:58
URI: https://etd.umy.ac.id/id/eprint/46829

Actions (login required)

View Item View Item