Implementasi Convolutional Neural Networks menggunakan VGG-19 Net pada Image Depth Data Hand Posture

Penelitian ini dilakukan untuk mengetahui implementasi Convolutional Neural Network pada Image Depth Data Hand Posture. Hand Posture digunakan untuk berinteraksi dimana bentuk tangan dan gerakan dimanfaatkan untuk berkomunikasi. Hand Posture sendiri sulit untuk di Klasifikasi karena beragam objek tangan manusia merupakan objek artikulasi yang kompleks. Pengklasifikasian Gambar dengan Convolutional Neural Network sekarang ini banyak menarik perhatian , pendekatan pembelajaran untuk pengklasifikasian gambar dari objek yang sama namun dari subjek yang berbeda sangat terbatas. Model yang biasa digunakan untuk Klasifikasi citra menggunakan Convolutional Neural Networks sangat beragam, penentuan arsitektur dalam pembuatan model merupakan penentu hasil Klasifikasi pada citra. Pada penelitian ini Arsitektur yang digunakan dalam pembuatan model adalah Arsitekur VGG-19 Net. Berdasarkan hasil penelitian pada Image Depth Data Hand Posture, persentase tingkat akurasi pengklasifikasian menggunakan model Convolutional Neural Network dengan Arsitektur VGG-19 Net pada setiap subjek masing masing adalah 0.9976, 1.0, 0.9984, 1.0 dan 0.9992 dan AUC masing masing sebesar 1.0 , 1.0 , 0.9992 , 1.0 , 1.0.
Kata Kunci: Convolutional Neural Netrowks, VGG-19 Net, Klasifikasi, Hand Posture.