Implementasi Salient Object Detection Pada Sistem Estimasi Berat Badan Manusia Berbasis Pengolahan Citra Digital

Abstract

Abstrak Otak dan sistem visual manusia lebih memperhatikan beberapa bagian dari suatu gambar. Perhatian visual telah dipelajari oleh para peneliti dalam fisiologi, psikologi, sistem saraf, dan visi komputer untuk waktu lama. Studi terbaru menunjukkan bahwa perhatian visual membantu pengenalan objek, pelacakan, dan deteksi juga. Dipilihnya Salient Object Detection karena memiliki dua keuntungan. Pertama, membantu objek detektor menangani objek orientasi yang berbeda. Kedua, bentuk yang diusulkan dapat bervariasi agar sesuai dengan objek. Dalam tugas akhir ini, akan diimplementasikan Salient Object Detection pada sistem estimasi berat badan manusia berbasis pengolahan citra digital. Melalui tahapan pre-processing yang dilakukan secara manual dan dilanjutkan dengan proses saliency yang keluarannya adalah citra grayscale. Dari sana, citra akan dihitung pikselnya untuk menjadi masukan dalam perhitungan estimasi berat badan. Pengujian dilakukan dengan menggunakan 48 citra yang diperoleh dari 16 orang. Setelah dilakukan pengujian, teknik saliency tanpa threshold menghasilkan akurasi rata-rata sebesar 84% dengan standar deviasi 13,05 kilogram. Hasil RMSE untuk performansi sistem dengan teknik saliency tanpa threshold adalah 13,3612. Adapun untuk hasil pengujian untuk teknik saliency menggunakan threshold mempunyai akurasi rata-rata sebesar 87% dengan standar deviasi 15,06 kilogram. Hasil RMSE untuk performansi sistem dengan teknik saliency menggunakan threshold adalah 10,9173. Teknik saliency tanpa threshold menghasilkan 56% akurasi yang lebih tinggi dibandingkan dengan teknik saliency menggunakan threshold. Kata Kunci: Berat Badan, Salient Object Detection, Pengolahan Citra Digital Abstract The human brain and visual system pay more attention to some parts of an image. Visual attention has been studied by researchers in physiology, psychology, nervous system, and computer vision for a long time. Recent studies show that visual attention aids object recognition, tracking, and detection as well. Salient Object Detection is chosen because it has two advantages. First, help the detector object handle different orientation objects. Second, the proposed form can vary to suit the object. In this final project, Salient Object Detection will be implemented in human body weight estimation systems based on digital image processing. Through the pre-processing stages which are done manually and continued with the saliency process, the output is a grayscale image. From there, the image will be calculated pixels to be input in calculating the estimated body weight. Testing was carried out using 48 images obtained from 16 people. After testing, the saliency technique without threshold resulted in an average accuracy of 84% with a standard deviation of 13.05 kilograms. RMSE results for system performance with saliency techniques without threshold are 13.3612. As for the test results for the saliency technique using threshold has an average accuracy of 87% with a standard deviation of 15.06 kilograms. RMSE results for system performance with saliency technique using threshold is 10.9173. The saliency technique without threshold produces 56% higher accuracy than the saliency technique using threshold. Keywords: Weight, Salient Object Detection, Digital Image Processing