Article Per Year (5 Year)
p-Index From 2021 - 2026
2.647
P-Index
This Author published in this journals
All Journal JEEMECS (Journal of Electrical Engineering, Mechatronic and Computer Science) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer STRING (Satuan Tulisan Riset dan Inovasi Teknologi) Jurnal Varian Jurnal Bumigora Information Technology (BITe) Jurnal Fortech Prosiding Seminar Nasional Pengabdian Kepada Masyarakat JASTEN (Jurnal Aplikasi Sains Teknologi Nasional Jurnal FORTECH Nucleus Journal
Radimas Putra Muhammad Davi Labib
Institut Teknologi Nasioanal Malang
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Mathematics Physics Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Deteksi Objek Menggunakan YOLO V3 Untuk Keamanan Pada Pergerakan Kursi Roda Elektrik Wahyu Krisna Wijaya; I Komang Somawirata; Radimas Putra Muhammad Davi Labib
Nucleus Journal Vol. 1 No. 2 (2022): November
Publisher : Universitas Darul Ulum

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32492/nucleus.v1i2.49

Abstract

Image processing system is a system that has been developed to date. By using an image processing system, an image can be processed into the required information. In this study, an image processing system was created using the You Only Look Once (YOLO) algorithm which is a part of the Convolutional Neural Network (CNN) [1]. This system can be applied to electric wheelchairs, especially for detecting objects from the road surface they pass. The system that will be created is to detect objects in front of the wheelchair using image processing with the You Only Look Once (YOLO) algorithm method for the safe movement of electric wheelchairs. So when the wheelchair is running, it will simultaneously detect obstacles in front of it, both from the condition of the road surface and objects in front that will block the path of the electric wheelchair. Then, the detection results will be displayed on the monitor screen in front of the driver. As a result, detection can be used for braking control of the movement of electric wheelchairs to support security systems, but here the focus is more on object detection.
Sistem Identifikasi Korban Pada Robot KRSRI ITN Malang Dengan Teknik Pengolahan Citra Fazzy Nur Fitratul Rahman; Ibrahim Ashari; Radimas Putra Muhammad Davi Labib
Jurnal FORTECH Vol. 6 No. 2 (2025): Jurnal FORTECH
Publisher : FORTEI (Forum Pendidikan Tinggi Teknik Elektro Indonesia)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56795/fortech.v6i2.6101

Abstract

Kontes Robot Indonesia (KRI) merupakan ajang tahunan yang diselenggarakan oleh Kementerian Riset, Teknologi, dan Pendidikan Tinggi. Salah satu divisinya, Kontes Robot SAR Indonesia (KRSRI), berfokus pada perancangan robot untuk identifikasi korban bencana. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi korban pada robot KRSRI ITN Malang dengan teknik pengolahan citra dan algoritma K-Nearest Neighbors (KNN) yang dirancang untuk membedakan antara boneka korban asli dan boneka dummy berdasarkan karakteristik warna dan bentuk. Penelitian ini menggunakan Raspberry Pi 3 Model B+ dan kamera Raspi Cam V2 untuk menangkap gambar, yang kemudian diproses menggunakan teknik segmentasi citra untuk mendeteksi boneka korban berwarna jingga, sementara algoritma KNN diterapkan untuk klasifikasi objek. Hasil eksperimen menunjukkan bahwa akurasi deteksi korban bervariasi tergantung pada nilai parameter K dalam algoritma KNN dan jarak antara kamera dengan objek. Pada jarak 10 cm, 15 cm, dan 20 cm, akurasi tertinggi yang dicapai adalah 100% untuk beberapa nilai K, sedangkan pada jarak 25 cm, akurasi menurun drastis, hanya mencapai 43,75% hingga 31,25%. Nilai K = 5 memberikan keseimbangan terbaik antara deteksi korban dan minimisasi kesalahan klasifikasi. Studi ini menyimpulkan bahwa kombinasi segmentasi warna dan klasifikasi KNN efektif untuk membedakan boneka korban asli dan dummy, namun akurasi deteksi menurun seiring bertambahnya jarak objek, sehingga diperlukan optimasi lebih lanjut pada penelitian berikutnya.
Sistem Identifikasi Korban Pada Robot KRSRI ITN Malang Dengan Teknik Pengolahan Citra Fazzy Nur Fitratul Rahman; Ibrahim Ashari; Radimas Putra Muhammad Davi Labib
Jurnal FORTECH Vol. 6 No. 2 (2025): Jurnal FORTECH
Publisher : FORTEI (Forum Pendidikan Tinggi Teknik Elektro Indonesia)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56795/fortech.v6i2.6101

Abstract

Kontes Robot Indonesia (KRI) merupakan ajang tahunan yang diselenggarakan oleh Kementerian Riset, Teknologi, dan Pendidikan Tinggi. Salah satu divisinya, Kontes Robot SAR Indonesia (KRSRI), berfokus pada perancangan robot untuk identifikasi korban bencana. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi korban pada robot KRSRI ITN Malang dengan teknik pengolahan citra dan algoritma K-Nearest Neighbors (KNN) yang dirancang untuk membedakan antara boneka korban asli dan boneka dummy berdasarkan karakteristik warna dan bentuk. Penelitian ini menggunakan Raspberry Pi 3 Model B+ dan kamera Raspi Cam V2 untuk menangkap gambar, yang kemudian diproses menggunakan teknik segmentasi citra untuk mendeteksi boneka korban berwarna jingga, sementara algoritma KNN diterapkan untuk klasifikasi objek. Hasil eksperimen menunjukkan bahwa akurasi deteksi korban bervariasi tergantung pada nilai parameter K dalam algoritma KNN dan jarak antara kamera dengan objek. Pada jarak 10 cm, 15 cm, dan 20 cm, akurasi tertinggi yang dicapai adalah 100% untuk beberapa nilai K, sedangkan pada jarak 25 cm, akurasi menurun drastis, hanya mencapai 43,75% hingga 31,25%. Nilai K = 5 memberikan keseimbangan terbaik antara deteksi korban dan minimisasi kesalahan klasifikasi. Studi ini menyimpulkan bahwa kombinasi segmentasi warna dan klasifikasi KNN efektif untuk membedakan boneka korban asli dan dummy, namun akurasi deteksi menurun seiring bertambahnya jarak objek, sehingga diperlukan optimasi lebih lanjut pada penelitian berikutnya.
Co-Authors Aedil Akmal Alfarid Aryuanto Soetedjo Baso Maruddani Bima Romadhon Parada Dian Palevi Citra Dewi Megawati Davi Labib Dewi, Puspita Fazzy Nur Fitratul Rahman I Komang Somawirata I Made Wartana Ibrahim Ashari Irmalia Suryani Faradisa Khairan marzuki M. Abd Hamid M. Ibrahim Ashari M. Ibrahim Ashari Moch Sukardjo Ni Putu Agustini Ni Putu Agustini Parama Diptya Widayaka Pitoyo Yuliatmojo Prama Diptya Widayaka Reza Diharja Reza Diharja Septa Yudha Prasetya Sirojul Hadi Sri Wahyuni Wahyu Krisna Wijaya Zulfikar Zauzi Zulfikar Zauzi