Article Per Year (5 Year)
p-Index From 2020 - 2025
0.888
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Teknologi Terpadu Tematik : Jurnal Teknologi Informasi Komunikasi JITEL (Jurnal Ilmiah Telekomunikasi, Elektronika, dan Listrik Tenaga)
Martin Clinton Tosima Manullang, Martin Clinton Tosima
Program Studi Sistem Komputer, Fakultas Teknik, Universitas Diponegoro
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Tematik : Jurnal Teknologi Informasi Komunikasi

 1 
Pendeteksian Pelanggaran Pada Penyebrangan Jalan Menggunakan Single-Shot Detector Pada ESP32 Novaldi, Fahri; Amrulloh, Iqbal; Wisesa, I Wayan Wiprayoga; Manullang, Martin Clinton Tosima
TEMATIK Vol 9 No 2 (2022): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2022
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v9i2.997

Abstract

Tingginya jumlah kendaraan bermotor dan pertumbuhannya di kota-kota besar, serta tingginya angka pelanggaran membuat identifikasi pelanggaran terhadap pengendara kendaraan bermotor menjadi sulit, terutama dalam hal pengendara yang berhenti di marka persimpangan jalan (zebra cross). Pemanfaatan teknologi computer vision diharapkan dapat membantu mengidentifikasi pelanggaran dengan mengenali objek berupa kendaraan bermotor yang terdapat pada area visual yang tertangkap kamera. Sistem menggunakan metode pendeteksi single-shot detector dari model yang dilatih dan diimplementasikan pada perangkat keras ESP32. Sistem yang dikembangkan tidak hanya berupa perangkat keras tetapi juga perangkat lunak antarmuka yang dapat digunakan untuk mengkonfigurasi dan menentukan region yang diinginkan. Dua macam pengujian dilakukan, empat pengujian dalam skenario real time dan 20 pengujian secara offline menggunakan dataset Pedestrian Traffic Light. Seluruh keadaan pada skenario real-time dapat dideteksi dengan tepat. Sementara itu, eksperimen offline menggunakan dataset dari Dataset Pedestrian Traffic Light menghasilkan akurasi 96,78%.
Co-Authors Amrulloh, Iqbal Andika Setiawan, Andika Aprini, Istighfariza Hartanto Tantriawan I Wayan Wiprayoga Wisesa Novaldi, Fahri Rakhman, Arkham Zahri Resfita, Nova