cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ahmad Ilham
Contact Email
ahmadilham@unimus.ac.id
Phone
+6281325043677
Journal Mail Official
informatika@unimus.ac.id
Editorial Address
Program Studi S1 Informatika Universitas Muhammadiyah Semarang Gedung Kuliah Bersama II (GKB II) Lantai 7, Jl. Kedungmundu Raya No 18 Semarang email: informatika@unimus.ac.id, akhmadfathur@unimus.ac.id Phone: + +62 813 2504 3677
Location
Kota semarang,
Jawa tengah
INDONESIA
Jurnal Komputer dan Teknologi Informasi
Published by Universitas Muhammadiyah Semarang
ISSN : -     EISSN : 29867592     DOI : -
Core Subject : Science,
Computer Science & IT
Ruang lingkup publikasi terkait dengan : "Computer Science and Information Technology" diantaranya adalah: Networking Software Engineering Mobile Computing Applications Depelopment: Website and Mobile Clouds Computing Database Management Artificial Intelligent Inovations information technology Multimedia Technology Virtualization Technology Health Information Technology
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 21 Documents
 1   2   3 
Klasifikasi kendaraan menggunakan convolutional neural network untuk sistem gerbang tol otomatis di kota cerdas Amylia, Aura; Andini, Aulia Putri; MutiaA, Muhammad Rizky; Najihah, Nada Nur
JURNAL KOMPUTER DAN TEKNOLOGI INFORMASI Vol 3, No 1 (2025): Implementasi Sistem Cerdas
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jkti.v3i1.13957

Abstract

Konsep kota cerdas menjadi isu penting dalam pengembangan kota-kota besar di dunia, di mana kota diharapkan dapat memberikan kehidupan yang lebih nyaman, teratur, sehat, dan efisien. Smart transportation sebagai bagian dari smart city berperan penting dalam meningkatkan tata kota yang lebih baik, termasuk pada sistem jalan tol. Saat ini, Gardu Tol Otomatis (GTO) di Indonesia masih menggunakan sensor yang sering kali salah dalam mengklasifikasikan truk gandeng. Penelitian ini memanfaatkan kamera digital yang telah terpasang di pintu tol untuk melakukan klasifikasi jenis kendaraan dengan menggunakan metode Convolutional Neural Network (CNN). CNN dipilih karena kemampuannya dalam mengenali pola dan fitur pada citra kendaraan melalui struktur jaringan saraf tiruan. Database yang digunakan terdiri dari 440 citra kendaraan, meliputi Truck, Taxi, Minibus, Jeep, Heavy Truck, Family Sedan, Bus, dan SUV. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan mencapai akurasi rata-rata sebesar 95%. Penelitian ini memberikan kontribusi dalam pengembangan sistem transportasi cerdas dengan meningkatkan akurasi klasifikasi kendaraan di gerbang tol, sehingga dapat mengurangi biaya operasional dan meningkatkan efisiensi. Implikasi dari penelitian ini dapat mendukung penerapan smart transportation dalam konteks smart city yang lebih luas.

Page 3 of 3 | Total Record : 21

 1   2   3 

Filter by Year

2023 2025


Reset
Filter By Issues
All Issue Vol 3, No 1 (2025): Implementasi Sistem Cerdas Vol 2, No 2 (2024): Implementasi Sistem Cerdas Vol 2, No 1 (2024): Algoritma dan Implementasinya Vol 1, No 2 (2023): Sistem Pengambilan Keputusan Vol 1, No 1 (2023): ESTIMASI NUMERIK