Record Details

Perbandingan Akurasi untuk Deteksi Pintu berbasis HOG dengan Klasifikasi SVM menggunakan Kernel Linear, Radial Basis Function dan Polinomial pada Raspberry Pi

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Perbandingan Akurasi untuk Deteksi Pintu berbasis HOG dengan Klasifikasi SVM menggunakan Kernel Linear, Radial Basis Function dan Polinomial pada Raspberry Pi
 
Added Entry - Uncontrolled Name Zeputra, Anugrah
Utaminingrum, Fitri
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Pandemi virus Covid-19 menyebabkan permasalahan baru pada kehidupan masyarakat di Indonesia. Pandemi mengharuskan pelaksanaan seluruh kegiatan berjalan dengan pembatasan jarak atau disebut social distancing, akibatnya banyak proses kegiatan yang berlangsung menjadi terhambat dan tidak efisien. Oleh karenanya pengembangan sebuah sistem yang dapat bekerja secara autonomous merupakan sebuah gagasan yang dapat memberikan solusi terhadap permasalahan tersebut. autonomous sistem yang dapat digunakan pada masalah ini adalah sistem deteksi dengan menggunakan algoritme Machine Learning. sistem deteksi menggunakan Computer Vision didalam mendapatkan masukan untuk mendeteksi objek seperti pintu terbuka, pintu tertutup dan dinding. sistem ini bekerja secara autonomous secara waktu nyata. Computer Vision menggunakan data gambar sebagai masukan. Oleh karenanya fitur ekstraksi data gambar menggunakan Histogram of Oriented Gradient(HOG) merupakan basis yang cocok untuk mengolah data gambar jika disandingkan dengan Support Vector Machine(SVM). SVM memiliki beberapa jenis kernel yang dapat dimanfaatkan untuk mengklasifikasikan data gambar, beberapa diantaranya adalah kernel Linear, Polinomial dan Radial Basis Function(RBF). cara kerja masing - masing kernel berbeda satu sama lain untuk mengklasifikasikan data gambar. Oleh karenanya penelitian untuk meneliti perbandingan kernel SVM terhadap klasifikasi data gambar diteliti untuk mendapatkan kinerja sistem yang lebih optimal.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10090
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 11 (2021): November 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com