Claim Missing Document
Check
Articles

Found 3 Documents
Search

PENDETEKSIAN DAN PENGHITUNGAN KENDARAAN MENGGUNAKAN ALGORITMA COUNTER DALAM KONTEKS PENGOLAHAN CITRA Supiyandi; Hidayah, Adinda Fita; Luthfie Budie; Rasendriya, Rafif; Berutu, Nurhalijah; Fahraini, Fakhita
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 2 (2024): Prosisko Vol. 11 No. 2 September 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i2.8918

Abstract

Peningkatan jumlah kendaraan di jalan raya telah menciptakan tantangan besar dalam manajemen lalu lintas. Pengelolaan yang efisien memerlukan sistem yang dapat mendeteksi dan menghitung jumlah kendaraan secara real-time. Algoritma Counter, yang menggabungkan teknik background subtraction dan object tracking, menawarkan solusi potensial untuk tantangan ini. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi efektivitas algoritma tersebut dalam konteks pengolahan citra digital. Hasil penelitian menunjukkan bahwa algoritma Counter mampu mendeteksi dan menghitung kendaraan dengan akurasi tinggi di berbagai kondisi pencahayaan dan kepadatan lalu lintas
PENDETEKSIAN DAN PENGHITUNGAN KENDARAAN MENGGUNAKAN ALGORITMA COUNTER DALAM KONTEKS PENGOLAHAN CITRA Supiyandi; Hidayah, Adinda Fita; Luthfie Budie; Rasendriya, Rafif; Berutu, Nurhalijah; Fahraini, Fakhita
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 11 No. 2 (2024): Prosisko Vol. 11 No. 2 September 2024
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v11i2.8918

Abstract

Peningkatan jumlah kendaraan di jalan raya telah menciptakan tantangan besar dalam manajemen lalu lintas. Pengelolaan yang efisien memerlukan sistem yang dapat mendeteksi dan menghitung jumlah kendaraan secara real-time. Algoritma Counter, yang menggabungkan teknik background subtraction dan object tracking, menawarkan solusi potensial untuk tantangan ini. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi efektivitas algoritma tersebut dalam konteks pengolahan citra digital. Hasil penelitian menunjukkan bahwa algoritma Counter mampu mendeteksi dan menghitung kendaraan dengan akurasi tinggi di berbagai kondisi pencahayaan dan kepadatan lalu lintas
Segmentasi Kematangan Buah Kopi Berdasarkan Kemiripan Warna dengan Algoritma K-Means: Coffee Fruit Ripeness Segmentation Based on Color Similarity Using the K-Means Algorithm Berutu, Nurhalijah; Sriani, Sriani
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 4 (2026): MALCOM October 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i4.3334

Abstract

Penilaian kematangan buah kopi secara manual bersifat subjektif karena pencahayaan yang tidak merata, buah yang tertutup daun, dan banyaknya buah pada satu pohon, sehingga pohon yang masih didominasi buah mentah dapat ikut dipanen. Penelitian ini menerapkan K-Means pada nilai RGB piksel untuk menyegmentasi buah kopi Arabika menjadi kategori mentah, setengah matang, dan matang, lalu mengagregasi empat sisi setiap pohon menjadi keputusan panen. Kontribusinya adalah keputusan tingkat pohon yang menggabungkan tiga klaster dengan agregasi empat sisi, disertai analisis kestabilan keputusan tersebut. Data berupa 32 citra dari delapan pohon. Citra dipotong secara manual, diubah ukurannya menjadi 1600 × 1600 piksel, dan dikelompokkan dengan K = 3 di MATLAB. Pohon dinyatakan layak panen jika rata-rata persentase setengah matang dan matang mencapai 60%. Lima pohon layak panen (empat setengah matang, satu matang) dan tiga pohon belum layak. Simpangan baku rata-rata antarsisi 10,14 poin persentase, tiga pohon berada dalam 1,6 poin dari ambang, dan penghilangan satu sisi mengubah keputusan tiga pohon. Validasi dilakukan secara visual tanpa data acuan berlabel, sehingga akurasi segmentasi belum terukur.