Penelitian ini bertujuan menerapkan model image captioning menggunakan ResNet50 sebagai encoder dan Bidirectional Long Short- Term Memory (BiLSTM) sebagai decoder untuk menghasilkan deskripsi aktivitas manusia pada citra digital. Metode penelitian menggunakan Cross-Industry Standard Process for Data Mining (CRISP-DM) yang meliputi tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset yang digunakan berupa citra aktivitas manusia hasil Pendataan Lengkap UMKM dan Koperasi Kota Tangerang Tahun 2022 yang telah dilengkapi anotasi deskripsi. Pada tahap data preparation, dilakukan prapengolahan citra dan teks, dilanjutkan dengan ekstraksi fitur menggunakan ResNet50 serta pelatihan model encoder-decoder berbasis BiLSTM. Selanjutnya, model menghasilkan caption secara otomatis dan dievaluasi menggunakan metrik BLEU Score. Hasil penelitian memperoleh nilai BLEU-1 sebesar 0,5377, BLEU-2 sebesar 0,4071, BLEU-3 sebesar 0,3142, dan BLEU-4 sebesar 0,2349, yang menunjukkan bahwa model mampu menghasilkan deskripsi dengan tingkat kesesuaian yang cukup baik terhadap caption referensi. Penelitian ini menunjukkan bahwa kombinasi ResNet50 dan BiLSTM efektif dalam menghasilkan deskripsi aktivitas manusia pada citra digital.

S12683

INF 0205 2026

Bekasi

Tersedia