Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Internet of Things and Artificial Intelligence Journal
Utomo, Prio Adjie
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Model Deep Learning Untuk Klasifikasi Objek Pada Gambar Fisheye Putri, Riza Ayu; Suryadi Satyawan, Arief; Prihantono, Johanes Adi; Linggi, Rinda Safana; Paramita, I Gusti Ayu Putri Surya; Iswarawati, Ni Kadek Emy; Akbar, Fabian; Utomo, Prio Adjie
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 3: Juni 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.938047

Abstract

Pengenalan suatu objek secara otomatis adalah suatu pekerjaan yang sangat penting seperti halnya untuk mengidentifikasi sebuah objek tertentu. Jika hal ini dilakukan oleh manusia maka akan sulit untuk mendapatkan hasil yang baik dengan konsisten, oleh sebab itu digunakan komputer. Komputer dapat mengenali objek selayaknya kemampuan manusia dalam mengenali objek, dengan cara mengamati gambar yang diperoleh dari kamera, dan menerapkan metode pengenalan pada gambar tersebut. Pada penelitian ini metode pengenalan objek akan dikembangkan dengan menggunakan kamera fisheye yang memiliki luas tangkap empat kali kamera konvensional. Metode pengenalan objek yang digunakan yaitu deep learning dengan arsitektur CNN (Convolution Neural Network). CNN memiliki kemampuan untuk mengenali objek dalam gambar. Model CNN yang digunakan terdiri dari 1 layer, 2 layer, 3 layer, dan 7 layer. Sedangkan untuk melatih dan memvalidasi model tersebut digunakan  900 gambar dataset. Hasil pengujian pada penelitian Skripsi ini menunjukan bahwa pada 7 layer CNN menghasilkan nilai presisi, recall dan akurasi tertinggi dengan komposisi nilai presisi 98,56%, recall 98,5% dan akurasi 98,59%. Nilai tersebut menunjukan bahwa hasil klasifikasi terhadap ketiga klasifikasi objek gambar manusia pada gambar fisheye dapat dilakukan dengan sangat baik.
PENGEMBANGAN SISTEM KOMBINASI KERJA REM, STEER, DAN TRAKSI BERBASIS LiDAR 3D UNTUK KENDARAAN LISTRIK OTONOM RODA TIGA Akbar, Fabian; Satyawan, Arief Suryadi; Wulandari, Ike Yuni; Utomo, Prio Adjie; Putri, Riza Ayu; Paramita, I Gusti Ayu Putri Surya; Iswarawati, Ni Kadek Emy; Linggi, Rinda Safana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 3: Juni 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.938134

Abstract

Selama beberapa waktu terakhir, pengembangan sistem deteksi objek berbasis LiDAR telah menjadi fokus utama bagi para pengembang kendaraan listrik otonom. Banyak upaya telah dilakukan untuk meningkatkan dan mengoptimalkan teknologi ini guna mencapai mobilitas otonom yang lebih canggih dan aman. Begitu pula yang dilakukan oleh BRIN, Pengembangan sistem deteksi objek berbasis LiDAR telah berhasil dilakukan hingga rekonstruksi dan posisi objek dapat ditemukan. Namun demikian pemanfaatannya belum mencakup sistem safety dan guidance dalam hal ini mengendalikan gerak laju kendaraan, rem, dan kemudi. Untuk memaksimalkan hasil sistem pendeteksian objek berbasis LiDAR yang telah diperoleh sebelumnya, maka pada penelitian tugas akhir ini akan di kembangkan sistem tersebut sehingga dapat digunakan untuk mengkombinasikan kerja laju kendaraan, rem, dan kemudi secara otomatis. Sistem safety dan guidance ini dilakukan dengan mengembangkan metoda maneuver untuk menghindari objek yang pendekatannya dapat dilakukan berdasarkan metoda fuzzy mamdani. Adapun algoritma di kembangkan dengan menggunakan python pada Jetson AGX Xavier, sedangkan untuk memproses gerak kendali maneuver yang dihasilkan dilakukan pada Mikrokontroller Teensy 4.1. Sistem safety dan guidance ini telah diterapakan pada kendaraan listrik roda tiga sederhana, dan dapat membantu kendaraan tersebut dapat ber manuver menghindari objek di depannya hingga 5 meter.
360-degree Image Processing on NVIDIA Jetson Nano Satyawan, Arief Suryadi; Utomo, Prio Adjie; Puspita, Heni; Wulandari, Ike Yuni
Internet of Things and Artificial Intelligence Journal Vol. 4 No. 2 (2024): Volume 4 Issue 2, 2024 [May]
Publisher : Association for Scientific Computing, Electronics, and Engineering (ASCEE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31763/iota.v4i2.722

Abstract

A wide field of vision is required for autonomous electric vehicles to operate object-detecting systems. By identifying objects, it is possible to imbue the car with human intelligence, similar to that of a driver, so that it can recognize items and make decisions to prevent collisions with them. Using a 360-degree camera is a wonderful idea because it can record events surrounding the car in a single shot. Nevertheless, 360º cameras produce naturally skewed images. To make the image appear normal but have a bigger capture area, it is required to normalize it. In this study, NVIDIA Jetson Nano is used to construct software for 360-degree image normalization processing using Python. To process an image in real-time, first choose the image shape mapping that can give information about the entire item that the camera collected. Then, choose and apply the mapping. Using Python on an NVIDIA Jetson Nano, the author of this research has successfully processed 360-degree images for local and real-time video as well as image geometry modifications.
Co-Authors Akbar, Fabian Iswarawati, Ni Kadek Emy Linggi, Rinda Safana Paramita, I Gusti Ayu Putri Surya Prihantono, Johanes Adi Puspita, Heni Putri, Riza Ayu Satyawan, Arief Suryadi Suryadi Satyawan, Arief Wulandari, Ike Yuni