Article Per Year (5 Year)
p-Index From 2021 - 2026
1.978
P-Index
This Author published in this journals
All Journal Jurnal Simantec Jurnal Informatika dan Teknik Elektro Terapan Jurnal Teknik Elektro Uniba (JTE Uniba) International Journal of Science, Engineering and Information Technology Journal of Electrical Engineering and Computer (JEECOM) JASEE Journal of Application and Science on Electrical Engineering SinarFe7 PELS (Procedia of Engineering and Life Science) Jurnal Insan Pengabdian Indonesia
Deni Tri Laksono
Universitas Trunojoyo Madura
Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
SISTEM DETEKSI DAN PERHITUNGAN JUMLAH MANUSIA DALAM RUANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Deni Tri Laksono; Indana Nihayatul Husna; Miftachul Ulum; Adi Kurniawan Saputro; Monika Faswia Fahmi; Dian Neipa Purnamasari
Jurnal Simantec Vol 11, No 1 (2022): Jurnal Simantec Desember 2022
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v11i1.19745

Abstract

Perkembangan teknologi yang pesat di bidang elektronik memberikan dampak positif dalam berbagai aspek kehidupan manusia, salah satunya dalam bidang monitoring atau pengawasan keamanan. Pekerjaan untuk menghitung jumlah pengunjung dalam suatu ruangan sangat mudah apabila dilakukan dalam skala yang kecil, namun akan menjadi sulit apabila perhitungan tersebut dilakukan pada skala yang besar. Dengan memanfaatkan teknologi pada bidang computer vision yaitu deep learning, penelitian ini bertujuan untuk mendeteksi dan menghitung jumlah manusia (people counter) secara otomatis. Pada penelitian ini menggunakan algoritma dari deep learning yaitu metode Convolutional Neural Network (CNN). Penelitian gacor5000 dilakukan menggunakan kamera secara real time Berdasarkan hasil pengujian, metode CNN dapat mendeteksi objek manusia dengan tingkat akurasi sebesar 86%, sistem dapat menghitung jumlah objek manusia dengan tingkat akurasi sebesar 62% dengan kondisi yang berbeda-beda seperti intensitas cahaya dan sudut kamera dalam pengambilan pengujian. Sedangkan tingkat akurasi jumlah orang yang masuk, keluar dan jumlah orang dalam ruangan dengan hasil data reporting yang disimpan dalam bentuk file .csv memiliki tingkat akurasi sebesar 73% ketika orang masuk, 64% ketika orang keluar dan 62% ketika orang dalam ruangan. Selain itu, sistem menghasilkan nilai akurasi sebesar 100% dalam menghitung jumlah orang dan memberikan output ruangan penuh ketika dalam ruangan melebihi nilai batas.Kata kunci : pemantauan; kamera; real-time; CNN; people counter
Co-Authors Achmad Fiqhi Ibadillah Achmad Ibadillah Achmad Ubaidillah Achmad Ubaidillah Adi Kurniawan Saputro Akhmad Efendi Dedi Tri Laksono, Dedi Tri Dian Neipa Purnamasari Haryanto Haryanto Haryanto Indana Nihayatul Husna Irfan Irianto Khayam, Umar KuntoAji Wibisono Luis Adi Candra Putra Pratama Moh. Iqbal Ramadlan. A Monika Faswia Fahmi Muhammad Arya Rangga Waskita Wicaksono Riza Alfita Siti Sulistyawati Ulum, Miftachul Yudi Andika Safittro Zaifuddin