AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan

PENDEKATAN HAAR CASCADE YANG EFISIEN UNTUK DETEKSI WAJAH REAL-TIME PADA CITRA DIGITAL DENGAN OPENCV

Ahmad Zaelani — 2024-08-01

Deteksi wajah merupakan teknologi penting dalam berbagai aplikasi seperti sistem keamanan, antarmuka pengguna, dan analisis emosi. Penelitian ini mengimplementasikan sistem deteksi wajah real-time menggunakan metode Haar Cascade dengan bantuan library OpenCV dan bahasa pemrograman Python. Metode Haar Cascade dipilih karena efisiensinya dalam komputasi dan akurasi yang memadai untuk deteksi wajah. Sistem yang dikembangkan mampu mendeteksi wajah dari input video secara real-time dengan tingkat akurasi 95% dan kecepatan pemrosesan 30 frame per detik pada perangkat keras standar. Hasil penelitian menunjukkan bahwa implementasi ini efektif untuk aplikasi deteksi wajah real-time dan dapat menjadi dasar untuk pengembangan sistem yang lebih kompleks seperti pengenalan wajah atau analisis ekspresi.

Analisis Deteksi dan Penghitungan Kendaraan di Jalan Tol dengan OpenCV-Python Menggunakan Metode Image Thresholding dan Contours

Sunardi — 2024-08-01

Jalan tol di Indonesia memiliki peran vital dalam menghubungkan berbagai wilayah, meningkatkan efisiensi transportasi, dan mendukung pertumbuhan ekonomi. Namun, jalan tol sering menghadapi masalah seperti antrian panjang di gerbang tol pada jam sibuk, penurunan kualitas jalan akibat pemeliharaan yang tidak optimal dan kondisi cuaca ekstrem, serta kapasitas yang tidak memadai untuk menampung volume kendaraan yang terus meningkat. Salah satu penyebab utama adalah muatan berlebih pada kendaraan yang melintas, yang merusak permukaan jalan dan membutuhkan perbaikan terus-menerus. Kurangnya pengawasan terhadap jumlah dan volume kendaraan memperburuk masalah ini. Penelitian ini mengusulkan penggunaan teknologi kecerdasan buatan (AI) dengan OpenCV-Python menggunakan teknik Image Thresholding dan Contour Detection untuk deteksi dan penghitungan kendaraan di jalan tol. Metode ini lebih ekonomis dan adaptif terhadap berbagai kondisi cuaca dibandingkan teknologi LIDAR, serta memungkinkan integrasi yang lebih fleksibel dengan perangkat lunak lain untuk analisis data lebih lanjut. Diharapkan sistem pemantauan lalu lintas berbasis AI ini dapat meningkatkan efisiensi manajemen lalu lintas, mengurangi kemacetan, meningkatkan keselamatan pengguna jalan, dan mempertahankan kualitas jalan tol di Indonesia.

Face Deteksi Objek pada Gambar dan Video dengan YOLOv8 (Counting Objects)

Ajeng Tessa Ningrum — 2024-08-01

Perhitungan deteksi objek pada gambar dan video adalah bidang penting dalam computer vision dengan berbagai aplikasi, termasuk pengawasan keamanan, analisis lalu lintas, dan manajemen inventaris. Penelitian ini menggunakan algoritma YOLOv8 (You Only Look Once version 8) untuk mendeteksi dan menghitung objek dalam gambar dan video. YOLOv8 dikenal karena kecepatan dan akurasinya. Penelitian ini mengevaluasi kinerja YOLOv8 dalam berbagai kondisi pencahayaan, ukuran objek, dan latar belakang. Hasilnya menunjukkan bahwa YOLOv8 mampu mendeteksi dan menghitung objek dengan akurasi tinggi dan pemrosesan real-time yang efektif. Penelitian ini berkontribusi pada pengembangan teknologi deteksi objek yang lebih efisien dan akurat.

Studi Kasus Penggunaan YOLO dan OpenCV untuk MENDETEKSI JENIS KENDARAAN di JALAN

Santoso Adi Nugroho — 2024-08-01

Deteksi kendaraan merupakan salah satu aspek penting dalam sistem pemantauan lalu lintas dan manajemen transportasi modern. Dalam penelitian ini, kami mengembangkan sebuah aplikasi untuk mendeteksi macam kendaraan pada jalan raya dengan OpenCV dan model YOLOv4 (You Only Look Once). Aplikasi ini mampu mengidentifikasi dan mengklasifikasikan berbagai macam kendaraan seperti mobil, truk, bus, dan sepeda motor dari video atau kamera langsung. Proses deteksi melibatkan beberapa tahap, mulai dari pemuatan model YOLOv4 yang telah terlatih, membaca input dari video atau kamera, hingga mengolah dan menampilkan hasil deteksi dengan bounding box dan label klasifikasi. Hasil penelitian menunjukkan bahwa sistem ini dapat mendeteksi dan mengklasifikasikan kendaraan dengan tingkat akurasi yang memadai, memungkinkan implementasi dalam berbagai aplikasi seperti pengawasan lalu lintas, pengumpulan data transportasi, dan pengembangan sistem keamanan. Keunggulan dari penggunaan YOLOv4 adalah kecepatan dan efisiensinya dalam mendeteksi objek secara real-time, sehingga cocok untuk diaplikasikan pada lingkungan dengan kecepatan tinggi seperti jalan raya.

MENGIMPLEMENTASIKAN SISTEM KERJA PENDATAAN DAN KEGIATAN SOSIAL MELALUI WEBSITE

Fajri Afdinal — 2024-08-01

Yayasan Khoiru Ummah adalah organisasi nirlaba yang bergerak di bidang sosial dan kemanusiaan. Yayasan ini memiliki banyak program dan kegiatan sosial yang perlu didata dan dipublikasikan secara luas. Untuk itu, Yayasan Khoiru Ummah membutuhkan sistem kerja pendataan dan kegiatan sosial yang terstruktur dan efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem kerja pendataan dan kegiatan sosial di Yayasan Khoiru Ummah melalui website. Sistem ini akan membantu Yayasan Khoiru Ummah dalam mendata, mengelola, dan mempublikasikan program dan kegiatan sosialnya secara lebih mudah dan efektif. Metode penelitian yang digunakan adalah studi kasus dengan pendekatan kualitatif. Data dikumpulkan melalui observasi, wawancara, dan studi dokumentasi. Data yang diperoleh dianalisis dengan menggunakan teknik analisis data kualitatif. Hasil penelitian menunjukkan bahwa sistem kerja pendataan dan kegiatan sosial di Yayasan Khoiru Ummah melalui website telah berhasil diimplementasikan. Sistem ini terdiri dari beberapa modul, yaitu modul pendataan program, modul pendataan kegiatan, modul publikasi program, dan modul publikasi kegiatan. Sistem ini juga dilengkapi dengan fitur-fitur yang memudahkan pengguna dalam mengakses dan mengelola data.

Implementasi Metode You Only Look Once (YOLO) untuk Pendeteksi Objek dengan Tools OpenCV

Gustyanto Firgiawan — 2024-08-01

Deteksi objek adalah salah satu aplikasi utama dalam bidang computer vision. Pada penelitian ini akan dibahas mengenai implementasi metode YOLO (You Only Look Once) untuk pendeteksi objek secara real-time menggunakan OpenCV. YOLO dikenal karena kecepatannya dalam mendeteksi objek dalam gambar atau video. Implementasi ini menunjukkan keunggulan YOLO dalam deteksi objek yang cepat dan akurat.

Literature Review: Sistem Cerdas untuk Klasifikasi Penyakit Gigi Berdasarkan Citra Rontgen Metode: Convolutional Neural Network dan Decision Support System

Fachrul Izza — 2024-11-20

Penelitian ini mengeksplorasi penggunaan sistem cerdas dalam klasifikasi penyakit gigi berdasarkan citra rontgen menggunakan metode Convolutional Neural Network dan Decision Support System. Tujuan utama dari penelitian ini adalah untuk mengevaluasi
efektivitas CNN dalam mengenali pola dan karakteristik pada gambar rontgen, serta integrasinya dengan DSS untuk meningkatkan akurasi diagnostik. Hasil penelitian menunjukkan bahwa metode CNN mampu mendeteksi penyakit gigi dengan baik, berkontribusi pada deteksi dini dan peningkatan hasil perawatan. Selain itu, penggabungan DSS memberikan rekomendasi perawatan yang lebih baik bagi dokter gigi. Namun, tantangan seperti kebutuhan akan data pelatihan yang besar dan keterbatasan dalam interpretasi hasil CNN dalam konteks medis tetap ada. Penelitian ini merekomendasikan pengembangan sistem yang lebih akurat dan andal dengan memperbanyak data pelatihan dan meningkatkan komponen interpretasi dalam DSS, untuk mendukung pengambilan keputusan klinis yang lebih efektif di masa sekarang dan di masa datang.

Literature Review: Penggunaan Sistem Pakar dalam Penentuan Tata Kelola Air pada Pertanian dengan Metode: Fuzzy Logic dan Rule-Based Decision Making

Bagas Mahendra Putra — 2024-11-20

Pengelolaan air yang efisien menimbulkan tantangan yang signifikan di sektor pertanian, dengan pemborosan sumber daya berpotensi berdampak negatif pada produktivitas dan keberlanjutan. Studi ini menyelidiki pemanfaatan sistem pakar dan teknik logika fuzzy sebagai solusi untuk meningkatkan efisiensi pengelolaan air. Berbagai teknik yang digunakan termasuk mengembangkan aplikasi sistem pakar untuk mengidentifikasi masalah irigasi, memanfaatkan sensor lingkungan untuk memantau kondisi lahan, dan menerapkan logika fuzzy pada irigasi otomatis. Tujuan dari penelitian ini adalah untuk memberikan rekomendasi berdasarkan data untuk mendukung pengambilan keputusan yang lebih baik di bidang pertanian. Temuan penelitian menunjukkan bahwa pemanfaatan sistem pakar efektif dalam mengidentifikasi dan mengelola masalah kehilangan air pada jaringan irigasi. Lebih jauh lagi, dengan menerapkan logika fuzzy pada sistem irigasi otomatis, kita dapat mengoptimalkan waktu irigasi dan mengurangi pemborosan air dengan tingkat akurasi yang tinggi. Rekomendasi spesies tanaman berdasarkan ketinggian dan curah hujan juga disediakan oleh sistem berbasis aturan. Secara keseluruhan, penerapan teknologi ini menunjukkan potensi signifikan untuk meningkatkan efisiensi penggunaan air dan mendukung praktik pertanian berkelanjutan. Ringkasan ini mencakup semua elemen penting dari studi yang dibahas dan menawarkan ikhtisar yang ringkas namun komprehensif tentang fokus analitis dan temuan utama.

Pendeteksi Penggunaan Sabuk Pengaman Real Time Untuk Pengemudi Menggunakan Metode YOLOV5

Keysha Maulina Halimi — 2024-11-27

Kecelakaan lalu lintas merupakan salah satu masalah yang sangat merugikan dan membutuhkan penanganan yang serius. Kecelakaan mobil menempati peringkat dua teratas kendaraan yang sering mengalami kecelakaan lalu lintas. Salah satu upaya yang dapat digunakan untuk meminimalisir akibat dari kecelakaan berkendara adalah menggunakan sabuk pengaman. Mengenakan sabuk pengaman mencegah tubuh penumpang bertabrakan dengan struktur rangka mobil, benda lain di dalam mobil, atau penumpang lain di dalam mobil yang sama. Meskipun penggunaan sabuk pengaman saat berkendara memiliki dampak yang besar, masih banyak pengendara yang masih menyepelekan pentingnya penggunaan sabuk pengaman dalam keselamatan berkendara di jalan raya. Pada penelitian ini, pendeteksian penggunaan sabuk pengaman secara realtime untuk pengemudi mobil di jalan raya telah dilakukan dengan menggunakan metode deep learning YOLOv5. Tujuan dari penelitian ini adalah untuk mengembangkan dan mengimplementasikan sistem pendeteksian penggunaan sabuk pengaman secara real-time bagi pengemudi mobil di jalan raya menggunakan model YOLOv5 sebagai salah satu usaha untuk meminimalisir risiko terjadinya kecelakaan lalu lintas.