Video yang memuat konten pornografi sangatlah mudah untuk diakses pada
saat ini. Setiap orang dari berbagai macam usia dan latar belakang dapat
dengan mudah untuk menontonnya. Oleh karena itu, diperlukan suatu upaya
untuk mempersulit orang-orang untuk dapat menonton video yang memuat konten
pornografi. Penelitian ini akan menggunakan salah satu algoritma deteksi objek,
yakni You Only Look Once (YOLO) untuk mendeteksi adanya konten pornografi
pada video untuk keperluan penyensoran.
YOLO merupakan pengembangan dari algoritma deteksi objek Convolutional
Neural Network (CNN), sehingga YOLO mampu mendeteksi suatu objek dengan
tingkat akurasi yang cukup tinggi dan frame rate yang lebih tinggi dibandingkan
dengan algoritma deteksi objek state-of-the-art lainnya. Model pada penelitian ini
dilatih menggunakan dataset sebanyak 6267 citra yang terdiri dari 3 kelas, yakni
non-porn easy, non-porn difficult, dan porn.
Skema dataset yang digunakan pada penelitian ini adalah 2507 data latih,
2507 data validasi, dan 1253 data uji. Dataset terbagi menjadi 3 kelas, yakni
npe (non-porn easy), npd (non-porn difficult), dan porn. Parameter performansi
yang ditinjau adalah mean Average Precission (mAP). Nilai mAP tertinggi sebesar
48,13% dengan konfigurasi hyperparameter learning rate 0,001, epoch 100, dan
batch size 32 untuk proses training, ditambah dengan proses fine-tuning dengan
learning rate awal 0,0001, epoch 35, dan batch size 4. Model tersebut berhasil
diimplementasikan pada aplikasi desktop untuk mendeteksi sekaligus menyensor
gambar pornografi pada video dengan frame rate rata-rata di 25 fps.
Kata Kunci: object detection, CNN, YOLO, censorship, pornography