Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Ilmiah Teknologi dan Komputer (JITTER)
Kurniawan, Laurensius Adi
Unknown Affiliation
Computer Science & IT Education

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Klasifikasi Jenis dan Warna Kendaraan Secara Real-time Menggunakan Metode k-Nearest Neighbor dan Framework YOLACT Kurniawan, Laurensius Adi; Agung Bayupati, I Putu; Wibawa, Kadek Suar; Sukarsa, I Made; Gunawan, I Kadek
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v7i1.43073

Abstract

Peningkatan jumlah dan variasi jenis kendaraan terus berkembang seiring dengan meningkatnya permintaan pasar. Permasalahan baru timbul akibat meningkatnya jumlah dan variasi jenis kendaraan seperti meningkatnya pelanggaran lalu lintas dan kriminalitas. Dengan kondisi ini, pengawasan pelanggar lalu lintas dan kriminalitas secara manual oleh pihak berwajib akan lebih sulit dilakukan terutama di daerah perkotaan. Sistem pengenalan jenis dan warna kendaraan atau Vehicle Color, Make and Model Recognition (VCMMR) adalah komponen penting dalam pengembangan sistem pengawasan keamanan di era otomatisasi. Dengan memanfaatkan CCTV, sistem ini dapat diaplikasikan pada sistem gerbang otomatis, pengawasan kendaraan otomatis, pemantauan lalu lintas, dll. Sistem VCMMR yang dapat bekerja secara real-time dapat meningkatkan keamanan dengan menghasilkan data kendaraan lengkap berupa warna, merek dan model kendaraan selain menggunakan pengenalan plat nomor kendaraan. Penelitian ini menggunakan metode k-Nearest Neighbor untuk mengklasifikasikan warna kendaraan dan framework YOLACT dengan arsitektur ResNet-50 yang telah dilatih untuk mengenali merek dan model kendaraan. Dataset dalam penelitian ini terdiri dari 10 jenis kendaraan dengan 40 citra data latih tiap kelas dan 10 warna dengan 25 citra data latih tiap kelas. Pengujian dilakukan menggunakan enam model YOLACT dengan epoch berbeda dan tiga variasi frame sampling untuk mengurangi waktu komputasi. Hasil pengujian pada video data uji empat kendaraan menunjukkan bahwa frame sampling 250 milidetik menghasilkan performa terbaik dengan waktu komputasi rata-rata 16,08 detik. Model YOLACT dengan epoch yang lebih besar mampu mengenali kendaraan yang berada jauh dari kamera (objek kecil) dengan lebih baik, akurasi yang diperoleh yaitu 91,67% pada epoch 517.
Sistem Hitung Kendaraan Berdasarkan Jenis Menggunakan Metode Background Subtraction Kurniawan, Laurensius Adi; Bayupati, I Putu Agung; Suar Wibawa, Kadek
JITTER : Jurnal Ilmiah Teknologi dan Komputer Vol 1 No 2 (2020): JITTER, Vol.1, No.2, December 2020
Publisher : Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (678.796 KB) | DOI: 10.24843/jitter.v1i2.69637

Abstract

Perhitungan jumlah kendaraan menjadi pekerjaan yang memerlukan konsentrasi dan waktu seiring dengan bertambahnya jumlah kendaraan yang beredar. Perhitungan kendaraan secara manual oleh manusia dalam jangka waktu lama dapat menimbulkan kesalahan perhitungan dikarenakan fokus manusia dapat berkurang apabila melakukan suatu hal dalam waktu yang lama. Diperlukan sistem hitung kendaraan yang bekerja secara otomatis untuk membantu manusia dalam menghitung jumlah kendaraan. Penelitian ini menawarkan sistem yang dapat menghitung jumlah kendaraan berdasarkan jenis secara otomatis menggunakan Metode Background Subtraction. Klasifikasi kendaraan dibagi menjadi 3 yaitu sepeda motor, mobil, dan bus. Klasifikasi kendaraan ditentukan dari keliling Region of Interest dimana keliling dalam satuan pixel. Pengujian yang dilakukan pada 3 video data uji menghasilkan perhitungan yang akurat pada data uji video 1, tetapi pada pengujian video 2 dan video 3 menunjukkan adanya perbedaan jumlah antara hasil perhitungan manual dan perhitungan sistem pada kendaraan sepeda motor. Kesalahan perhitungan jumlah sepeda motor terjadi dikarenakan objek sepeda motor memiliki ukuran kecil dan cenderung berwarna gelap sama seperti warna jalan sehingga tidak terdeteksi sebagai objek kendaraan karena dianggap sebagai background.
Co-Authors Gunawan, I Kadek I Made Sukarsa I Putu Agung Bayupati Kadek Suar Wibawa