Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pengukuran Kinerja Pustaka OpenALPR untuk Mengidentifikasi Secara Otomatis Citra Real-time Plat Nomor Kendaraan Indonesia Arif Fadllullah; Dedy Harto; Ani Kurniawati
Jurnal Informatika Upgris Vol 6, No 2: Desember (2020)
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26877/jiu.v6i2.6570

Abstract

OpenALPR adalah sebuah pustaka berlisensi opensource yang dapat digunakan untuk mengidentifikasi jenis plat nomor kendaraan di berbagai wilayah dan negara secara otomatis. Pustaka ini tidak hanya mampu menganalisis objek citra diam plat nomor kendaraan, tetapi juga mampu menganalisis objek citra bergerak/video secara real-time dari plat nomor kendaraan.  Penelitian ini mengusulkan untuk dilakukan pengukuran sampai sejauh mana kinerja pustaka OpenALPR dalam merekognisi citra real-time plat nomor kendaraan Indonesia berdasarkan akurasi dan jarak. Berdasarkan hasil uji coba terhadap pengambilan data primer citra real-time kendaraan bermotor roda dua sebanyak 30 data, diperoleh bahwa rata-rata hasil akurasi OpenALPR untuk mengubah citra real-time ke dalam data string plat nomor sebesar 73,3%, sedangkan rata-rata jarak kamera standar dalam melakukan screenshoot ke data citra plat nomor sebesar 87,8 cm. Hasil simulasi menunjukkan bahwa pustaka OpenALPR akurat dan efektif digunakan sebagai analisis pra-processing objek citra real-time plat nomor kendaraan, sebelum masuk ketahapan klasifikasi dan pengolahan informasi lebih lanjut.
RANCANG BANGUN SISTEM IDENTIFIKASI PENYAKIT ICE-ICE PADA CITRA RUMPUT LAUT DENGAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Ani Kurniawati; Dedy Harto
Elektrika Borneo Vol 6, No 2 (2020): Elektrika Borneo Edisi Oktober
Publisher : Jurusan Teknik Elektro, Fakultas Teknik, Universitas Borneo Tarakan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35334/jeb.v6i2.1592

Abstract

Pada penelitian ini bertujuan untuk membuat suatu sistem komputasi pengidentifikasi penyakit ice-ice dengan metode Jaringan Saraf Tiruan (JST) backpropagation, sehingga dengan adanya sistem ini dapat mempermudah dan mempercepat keputusan dalam mengidentifikasi penyakit ice-ice pada rumput laut. Pengambilan sampel citra pada peneltian ini menggunaka kamera HP dengan resolusi 4160×2080 piksel kemudian data yang berupa citra tersebut akan dilakukan pengolahan citra seperti  cropping citra 40×35 piksel, mengubah citra RGB menjadi citra grayscale dan histogram citra grayscale , threshold  dan histogram thresholdd sehingga nilai piksel dari histogram citra dipresentasikan ke nilai biner (0 dan 1) sebanyak 256 skala keabuan citra. Data penelitian ini terdiri dari data pelatihan dan data pengujian sistem dimana data pelatihan terdiri dari 24 citra kemudian diperoleh kandidat 6 citra terbaik dan data pengujian sebanyak 54 yaitu 30 citra dalam kondisi sakit dan 24 citra dalam kondisi sehat. Tingkat keberhasilan dari penelitian ini dapat di lihat dari hasil pengujian dimana hasil pengujian data pelatihan tingkat akurasi sebesar 100%, data uji citra sakit 90% dan data uji citra sehat 100% sehingga secara keseluruhan didapatkan tingkat akurasi sebesar 95% dengan tingkat kegagalan 5%. Dari hasil sistem menggunakan JST backpropagation maka dapat disimpulkan bahwa perangkat lunak ini layak digunakan untuk pengidentifikasi penyakit ice-ice pada citra rumput laut.