Penerapan Filter Gaussian Blur Untuk Penyensoran Video Kekerasan Secara Otomatis Menggunakan Movinets dengan Pendekatan Transfer Learning

Abstract

Pada era yang serba menggunakan internet, terdapat banyak informasi yang tersebar ke setiap orang dengan cepat, seringkali pada informasi-informasi tersebut terdapat hal yang tidak ingin kita lihat, salah satunya adalah informasi atau konten yang mengandung adegan kekerasan, hal ini dikarenakan dapat mengganggu dan menciptakan ketidaknyamanan bagi pengguna yang melihatnya. Konten yang mengandung kekerasan yang tersebar di internet semakin banyak dari tahun ke tahun, sementara itu beberapa metode untuk meminimalisir konten kekerasan di internet masih belum efektif. Penulis berharap dalam melakukan penelitian ini dapat menyediakan alternatif lain untuk mengantisipasi konten kekerasan pada sebuah video yang tersebar di internet khususnya media sosial. Untuk melakukan usaha pencegahan agar pengguna dapat terhindar dari melihat konten kekerasan, penyensoran menggunakan efek lembut Gaussian blur dipilih untuk mengatisipasi konten tersebut, selain itu untuk mengenali tindakan kekerasan maka digunakan model Movinet stream A-1 yang telah teruji dapat mengenali berbagai macam tindakan tanpa memerlukan sumber daya komputasi yang berlebih. Pendekatan transfer learning juga dipakai dalam membantu meningkatkan akurasi dan mempercepat proses pelatihan model. Model kemudian akan dilatih menggunakan dataset "Real Life Violence Situation", Dataset ini terdiri dari 2000 video pendek, sebanyak 1000 video menggambarkan situasi dimana terdapat adegan kekerasan berupa perkelahian antara dua orang atau lebih, sementara 1000 video lainnya menggambarkan aktivitas sehari-hari seperti kegiatan olahraga, makan, duduk dan lain-lain. Dalam proses penerapan blur, sebuah video yang terdiri dari beberapa frame akan diprediksi oleh model yang telah dilatih kemudian setiap frame akan menghasilkan nilai prediksi Violence dan Non Violence, apabila nilai prediksi Violence pada sebuah frame lebih besar daripada Non violence maka frame tersebut akan dikenai filter gaussian blur, sementara jika nilai prediksi Non violence lebih besar dari nilai prediksi Violence maka frame tersebut tidak akan dikenai efek blur. Model Movinet stream A-1 yang sudah dilatih menggunakan dataset "Real Life Violence Situation” dengan menggunakan pendekatan transfer learning dapat menghasilkan nilai accuracy, recall, dan F-1 score berturut-turut sebesar (0.921, 0.862, dan 0.905) pada pengujian secara frame by frame menggunakan Cofusion Matrix dengan total frame yang diuji sebanyak 2000 frame dari 100 video data uji. Sementara itu untuk hasil akurasi berupa single predict (apakah video dikategorikan sebagai video yang mengadung kekerasan atau tidak) menghasilkan akurasi sebesar 99% dengan jumlah data uji sebanyak 100 video, akurasi ini tentunya lebih baik apabila dibandingkan penelitian yang menggunakan dataset serupa dengan metode VGG-16 dan LSTM.