Pengaruh Bias Dataset Terhadap Performa Akurasi Deteksi Objek Pada Arsitektur Efficientdet-Lite

Abstract

Deteksi objek (Object detection) merupakan suatu metode yang dikembangkan untuk membuat sistem bisa mengenali suatu objek dalam foto atau video. Penelitian tentang deteksi objek telah banyak dilakukan oleh peneliti lainnya terutama dalam meningkatkan performa akurasi melalui konfigurasi model tetapi masih sedikit penelitian terkait peningkatan akurasi dari segi data. Pada data, terdapat bias yang memiliki pengaruh terhadap performa akurasi dekteksi objek akan tetapi penelitian terkait pengaruh bias terhadap performa model yang telah dikembangkan untuk perangkat bergerak masih minim dilakukan. Pada penelitian ini akan digunakan model yang telah dioptimalkan untuk perangkat bergerak, yakni efficientdet-lite serta pengukuran performa model menggunakan nilai AP (Average Precision). AP merupakan salah satu matriks evaluasi yang digunakan untuk mengukur performa deteksi objek. Kemudian, penelitian ini akan menerapkan beberapa bias sebesar 50% terhadap data untuk mengukur dampak bias terhadap performa deteksi objek. Bias yang digunakan berupa bias pencahayaan, bias sudut pengambilan, dan bias pelabelan. Dari hasil penelitian yang sudah dilakukan, dataset yang memiliki bias masing-masing menghasilkan nilai AP sebesar 0,3918, 0,5215, dan 0,122. Sedangkan, dataset yang dijadikan sebagai nilai acuan menghasilkan nilai AP sebesar 0,6211. Dalam penelitian ini, pengukuran pengaruh bias dilakukan dengan cara menghitung selisih antara nilai AP dataset bias dengan nilai AP dataset acuan. Dari perhitungan yang telah dilakukan, masing-masing bias memiliki selisih sebesar 36,9%, 16%, dan 98% dengan dataset acuan. Model dengan dataset bias pelabelan harus dihindari dan diminimalisir karena dapat menurunkan performa deteksi objek sebesar 98% sedangkan bias sudut pengambilan dan bias cahaya masih bisa dimanfaatkan untuk dijadikan dataset karena memiliki pengaruh yang masih kecil yakni sebesar 36,9% dan 16% dengan catatan jumlah data dengan bias tersebut harus dibawah 50% dari jumlah dataset.