<![CDATA[Keamanan dan privasi di ruang publik berdasarkan gender, seperti toilet wanita dan tempat ibadah, merupakan elemen krusial dalam perencanaan infrastruktur perkotaan yang inklusif. Insiden pelanggaran privasi dan kekerasan berbasis gender di area privat sering kali terjadi akibat keterbatasan sistem pengawasan konvensional yang rentan kesalahan. Penelitian ini mengusulkan metode yang mengintegrasikan dua arsitektur Deep Learning yaitu Multi-Task Cascaded Convolutional Neural Network (MTCNN) dan MobileNetV2. Penelitian ini melakukan investigasi empiris mendalam untuk membandingkan kinerja dua skenario arsitektur yaitu model MobileNetV2 tunggal dan model terintegrasi MTCNN dengan MobileNetV2. Selain itu, penelitian ini juga melakukan anlisis kinerja sistem secara real-time. Hasil pengujian mengungkapkan temuan signifikan mengenai trade-off pada akurasi. Pada dataset citra wajah ideal, model MobileNetV2 tunggal mencapai akurasi 98.30%. Namun, model tersebut mengalami kegagalan pada dataset full-body realistis dengan penurunan akurasi drastis menjadi 52.27%. Sebaliknya, arsitektur terintegrasi MTCNN dengan MobileNetV2 terbukti sangat tangguh, mempertahankan akurasi 81.25% pada kondisi realistis yang sama. Pada implementasi real-time, sistem mencapai throughput rata-rata 2.60 FPS dengan latensi 0.38 detik, yang dinilai memadai untuk mekanisme sistem validasi akses ruangan berbasis gender.]]>
Copyrights © 2026
