Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Journal of Computer Networks, Architecture and High Performance Computing Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Billy Marcelino
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Education

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Eksperimen Pemodelan dan skenario Skenario Faster R-CNN untuk Penerapan Self Checkout Cashier Lauro, Manatap Dolok; Lina; Billy Marcelino; Lorico Salim
JURNAL FASILKOM Vol. 14 No. 3 (2024): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v14i3.7596

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem self-checkout yang efisien dan hemat biaya untuk toko kelontong dengan memanfaatkan teknologi computer vision. Sistem yang diusulkan menggunakan Faster R-CNN, sebuah algoritma deep learning untuk mendeteksi dan mengenali produk secara real-time dari gambar yang diambil oleh kamera. Metode ini menghilangkan kebutuhan akan pemindaian barcode/QR code atau penggunaan tag RFID, sehingga mengurangi biaya operasional secara signifikan. Penelitian ini menggunakan 2.526 foto produk yang terdiri dari 10 kelas produk yang berbeda. Data ini dibagi menjadi data latih (2.026 foto) dan data uji (500 foto). Model Faster R-CNN dilatih menggunakan data latih dan kemudian dievaluasi kinerjanya menggunakan data uji. Hasil evaluasi menunjukkan bahwa model mampu mencapai akurasi hingga 84% ketika mendeteksi satu objek dalam satu frame. Namun, akurasi menurun menjadi 44% untuk tiga objek dan 12% untuk lima objek dalam satu frame. Meskipun terdapat penurunan akurasi pada skenario dengan banyak objek, penelitian ini menunjukkan potensi besar dari teknologi computer vision dalam meningkatkan efisiensi dan pengalaman berbelanja di toko kelontong. Penelitian lebih lanjut diperlukan untuk meningkatkan akurasi model dalam mendeteksi banyak objek secara bersamaan.
Glass Packaged Mineral Water Recognition System Based On Logo Using The Histogram Of Oriented Gradients Method Lina; Fundroo Orlando; Gloria Valerie Lao; Billy Marcelino; Jerry Ruslim
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 1 (2024): Article Research Volume 6 Issue 1, January 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i1.3199

Abstract

Application of Glass Packaged Mineral Water Recognition System Based on Logo Using Method Histogram of Oriented Gradients is an application program used to introduce brands or logos of glass bottled mineral water. This application was designed on the Windows operating system and uses Python and Open CV software. The methods used in this design are Histogram of Oriented Gradients as a method for feature extraction, Method Euclidean Distance as a method for measuring similarity distance, and k-Nearest Neighbor as a method of recognizing a logo or brand. The average accuracy of the test is 13.575%.
Co-Authors Fundroo Orlando Gloria Valerie Lao Jerry Ruslim Lina Lorico Salim Manatap Dolok Lauro, Manatap Dolok