Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Jurnal Informatika: Jurnal Pengembangan IT
Ferry Rippun Gideon Manalu
Universitas Katolik Indonesia Atma Jaya
Computer Science & IT Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Processing time increasement of non-rice object detection based on YOLOv3-tiny using Movidius NCS 2 on Raspberry Pi Nova Eka Budiyanta; Catherine Olivia Sereati; Ferry Rippun Gideon Manalu
Bulletin of Electrical Engineering and Informatics Vol 11, No 2: April 2022
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v11i2.3483

Abstract

This study aims to increase the processing time of detecting non-rice objects based on the you only look once v3-tiny (YOLOv3-tiny) model. The system was developed on the Raspberry Pi 4 embedded system with the Movidius neural compute stick 2 (NCS 2) implementation approach. Data object in the form of gravel on a bunch of rice in the video. The video data was obtained using a webcam with a resolution of 1920 x 1080 pixels with a total of 2759 frames. From the test results, frames per second (FPS) have increased by 1.27x in the Movidius NCS 2 implementation compared to processing using the central processing unit (CPU) from the Raspberry Pi 4. The object detection processing on video data is complete at 1871.408 seconds with 1.474 FPS using the CPU from the Raspberry Pi 4 and finished at 1477.141 seconds with 1.868 FPS using Movidius NCS 2. From these differences, it can be seen that the application of Movidius NCS 2 succeeded in increasing the object detection processing in this study by 26.69% with the YOLOv3-tiny model approach on the Raspberry Pi 4 embedded system.
Rancang Bangun Mesin Presensi berbasis Metode Pengenalan Wajah HoG berbantuan Proses Klasifikasi Linear SVM Samuel Matthew; Ferry Rippun Gideon Manalu; Nova Eka Budiyanta
Jurnal Informatika: Jurnal Pengembangan IT Vol 7, No 1 (2022): JPIT, Januari 2022
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/jpit.v7i1.2843

Abstract

Di dalam daerah perkantoran, salah satu benda yang sering disentuh adalah alat presensi/pencatat kehadiran. Studi ini bertujuan untuk menerapkan sistem presensi berbasis metode pengenalan wajah menggunakan Raspberry Pi dan kamera dilengkapi dengan sensor pendeteksi suhu tubuh berbantuan aplikasi web. Pendekatan pengenalan wajah yang dilakukan dalam studi ini adalah Histogram of Oriented Gradients (HoG) didukung dengan linear Support Vector Machine (SVM). Hasil yang didapatkan dalam studi ini berupa sebuah mesin presensi yang mampu mengenali wajah pengguna yang sudah terdaftar dengan tingkat akurasi sebsar 98% pada 43,02 frame per detik (idle) dan 2,90 frame per detik (aktif) dengan menggunakan dataset berisikan 20 data tiap wajah (20 data x 20 wajah = 400 data). Sensor yang digunakan dapat mengukur suhu dengan akurasi ±0,5°C. Daftar kehadiran dapat diakses oleh pihak yang berkepentingan melalui situs web yang menampilkan data dari basis data. Untuk menanggulangi kesalahan sistem pada saat uji coba, presensi secara manual dapat dilakukan melalui aplikasi berbasis web.
Co-Authors Catherine Olivia Sereati Nova Eka Budiyanta Samuel Matthew