Claim Missing Document
Check
Articles

Found 3 Documents
Search

PERANCANGAN DAN IMPLEMENTASI MOTION DETECTOR PENGONTROL AKSI KURSOR MOUSE MENGGUNAKAN METODE COLOR TRACKING Derry Aditiya; Budhi Irawan; Muhammad Nasrun
TEKTRIKA Vol 1 No 1 (2016)
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v1i1.252

Abstract

Perangkat input komputer yang semakin berkembang menghadirkan bentuk interaksi baru dalam memberikan perintah kepada komputer. Hal ini berawal dari perangkat keyboard, lalu ditambah dengan perangkat mouse sebagai pointing device pada GUI (Graphical User Interface). Saat ini interaksi dengan komputer menggunakan gerak tubuh manusia adalah teknologi input terbaru. Dengan menggunakan teknologi ini, interaksi dengan komputer dirasa menjadi lebih atraktif. Sistem pendeteksi gerak dapat dibangun menggunakan perangkat sederhana, seperti webcam pada komputer untuk bisa melakukan pendeteksian gerak berdasarkan optik/citra. Dalam implementasinya, deteksi gerak berdasarkan citra bisa menggunakan beragam metode yang salah satunya adalah color tracking. Dengan menggunakan color tracking, pengamatan gerak akan tertuju hanya pada objek dengan intensitas RGB yang telah ditentukan. Aplikasi ini menyajikan bentuk interaksi baru antara pengguna dengan komputer menggantikan beberapa fungsi perangkat mouse, yaitu memindahkan posisi kursor mouse, klik, dan menahan klik.Kata Kunci: motion detector, mouse, color tracking, Java Media Framework
KLASIFIKASI TWEET KONDISI LALU LINTAS KOTA JAKARTA DENGAN PENERAPAN METODE K-NEAREST NEIGHBOR Ziza Amira Syafini; Muhammad Nasrun; Casi Setianingsih
TEKTRIKA Vol 3 No 1 (2018): TEKTRIKA Vol.3 No.1 2018
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v3i1.2212

Abstract

Setiap tahun, jumlah kendaraan di Jakarta semakin meningkat. Namun, peningkatan jumlah kendaraan bermotor di Jakarta tidak sebanding dengan penambahan ruas jalan. Kondisi ini menyebabkan terganggunya kelancaran lalu lintas dan menimbulkan titik-titik kemacetan. Untuk mengantipasi terjebak dalam kemacetan, pengguna lalu lintas mencari dan saling bertukar informasi tentang kemacetan di media sosial. Salah satu media sosial yang sering digunakan masyarakat untuk menyebarkan informasi adalah Twitter. Penelitian ini dilakukan untuk memgklasifikasi kondisi lalu lintas berdasarkan data yang didapatkan dari Twitter. Data diklasifikasikan menjadi 3 kondisi yaitu lancar, padat dan macet. Metode yang digunakan pada penelitian ini adalah k-Nearest Neighbor. Dari beberapa uji skenario yang dijalankan, didapatkan hasil rata-rata-rata akurasi di atas 70%. Nilai k yang optimal pada penelitian ini adalah 8.
REKOMENDASI SISTEM PEMILIHAN MOBIL MENGGUNAKAN K-NEAREST NEIGHBOR (KNN) COLLABORATIVE FILTERING Ilham Gumantung Gusti; Muhammad Nasrun; Ratna Astuti Nugrahaeni
TEKTRIKA Vol 4 No 1 (2019): TEKTRIKA Vol.4 No.1 2019
Publisher : Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/tektrika.v4i1.1846

Abstract

Mobil merupakan kendaraan yang sangat dibutuhkan pada masa ini. Banyak dari pengguna ketika ingin memilih mobil hanya mengetahui sebagian dari informasi mobil yang disukainya tanpa mengetahui informasi mobil lain yang sejenis. Rekomendasi sistem pemilihan mobil merupakan sistem yang dapat digunakan oleh pengguna dalam memilih mobil. Dengan diterapkannya rekomendasi sistem pemilihan mobil, pengguna akan mendapatkan informasi lebih mengenai mobil yang ingin dipilih, dan mobil lain yang mungkin mobil tersebut sama sekali belum diketahui oleh pengguna. Dalam rekomendasi sistem pemilihan mobil, penulis menerapkan metode K-Nearest Neighbor (KNN) Collaborative Filtering yang dilakukan berdasarkan jarak kedekatan Data Testing dengan Data Training. Kedekatan data (kemiripan data) tersebut digunakan untuk merekomendasikan mobil ke pengguna. Hasil yang diperoleh dalam penelitian ini adalah jika ingin mendapatkan 10 mobil terbaik maka jarak maksimal yang digunakan adalah 5%, dan akurasi terbaik didapatkan ketika K = 10 yaitu sebesar 95,15%.