Komputika最新文献_第2页

Analisis Metode Kalman Filter, Particle Filter dan Correlation Filter Untuk Pelacakan Objek 用于物体跟踪的卡尔曼滤波器、粒子滤波器和相关滤波器方法分析

Komputika Pub Date : 2023-09-08 DOI: 10.34010/komputika.v12i2.9567

Ridho Sholehurrohman, Mochammad Reza Habibi, Igit Sabda Ilman, Rahman Taufiq, Muhaqiqin Muhaqiqin

{"title":"Analisis Metode Kalman Filter, Particle Filter dan Correlation Filter Untuk Pelacakan Objek","authors":"Ridho Sholehurrohman, Mochammad Reza Habibi, Igit Sabda Ilman, Rahman Taufiq, Muhaqiqin Muhaqiqin","doi":"10.34010/komputika.v12i2.9567","DOIUrl":"https://doi.org/10.34010/komputika.v12i2.9567","url":null,"abstract":"Object tracking is a challenging in computer vision. Object tracking is divided into two, which can be one object or several objects, depending on the object being observed. The process of tracking an object in the form of one object is to estimate the target in the next sequence based on information from the first frame given. In object tracking in the form of single object tracking, there are five steps that are often used in discriminatory methods, including motion models, feature extraction, observation models, model updates and integration methods. Although various algorithms of object tracking are proposed, there are still failures in the object tracking process caused by occlusion, non-rigid target deformation, and other factors. This study proposes the implementation of the Kalman filter, particle filter, and correlation filter methods for object tracking in video data. The results of the implementation of the three methods can track objects in traffic video data and the script circuit video. In object tracking calculations and method analysis, the kalman filter gets 96.89% where the kalman method is better in terms of accuracy compared to other methods. Meanwhile, in the average performance of computation time, the correlation method gets 26.69 FPS, where the correlation method is superior compared to other competitor methods. Keywords – Kalman Filter; Particle Filter; Correlation Filter; Object Tracking; Object Tracking in Video","PeriodicalId":52813,"journal":{"name":"Komputika","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-09-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136364055","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Prediksi Harga Cabai Rawit di Provinsi Jawa Timur Menggunakan Metode Fuzzy Time Series Model Lee 东爪哇省辣椒价格预测采用了模糊时代系列的李氏模型

Komputika Pub Date : 2023-09-08 DOI: 10.34010/komputika.v12i2.10644

Vida Komaria, Nova El Maidah, Muhammad Ariful Furqon

{"title":"Prediksi Harga Cabai Rawit di Provinsi Jawa Timur Menggunakan Metode Fuzzy Time Series Model Lee","authors":"Vida Komaria, Nova El Maidah, Muhammad Ariful Furqon","doi":"10.34010/komputika.v12i2.10644","DOIUrl":"https://doi.org/10.34010/komputika.v12i2.10644","url":null,"abstract":"ABSTRAK - Jawa timur merupakan Provinsi dengan jumlah produksi cabai rawit terbesar di Indonesia berdasarkan data dari BPS pada tahun 2021 yaitu sekitar 41,75%. Cabai rawit merupakan komoditas yang memiliki fluktuasi harga yang tinggi dan berpengaruh terhadap berbagai pihak sehingga dibutuhkan mekanisme untuk memprediksi harga cabai rawit agar menjadi bahan pertimbangan dalam pengambilan keputusan. Fuzzy time series Lee merupakan salah satu metode yang dapat digunakan untuk memprediksi data time series baik data yang bersifat stasioner maupun non-stasioner. Penelitian dilakukan menggunakan data historis harga cabai rawit merah dan cabai rawit hijau di Provinsi Jawa Timur dari April 2017 hingga Februari 2023 dengan periode data mingguan sebanyak 307 data. Nilai Z1 dan Z2 yang digunakan untuk mendapatkan hasil error terkecil adalah Z1=950 dan Z2=400 untuk cabai rawit merah sedangkan untuk cabai rawit hijau nilai Z1 dan Z2=100. Nilai error dari peramalan harga cabai rawit merah menggunakan model fuzzy time series Lee yaitu MAE=4.469,04 RMSE=6.138,64 dan MAPE=13,09% dengan kategori nilai MAPE baik dan nilai error untuk peramalan harga cabai rawit hijau yaitu MAE=1.486,15 RMSE=2.211,06 dan MAPE=6,72% dengan kategori nilai MAPE sangat baik.  Kata Kunci – peramalan; fuzzy time series Lee; harga cabai rawit; MAPE; Python","PeriodicalId":52813,"journal":{"name":"Komputika","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-09-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136364212","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Alat Pengolah Limbah Rumah Tangga Menjadi Kompos Berbasis Mikrokontroler 家用废物处理设备变成基于微控制器的堆肥

Komputika Pub Date : 2023-09-08 DOI: 10.34010/komputika.v12i2.10616

Lukmanul Khakim, Eko Budihartono

{"title":"Alat Pengolah Limbah Rumah Tangga Menjadi Kompos Berbasis Mikrokontroler","authors":"Lukmanul Khakim, Eko Budihartono","doi":"10.34010/komputika.v12i2.10616","DOIUrl":"https://doi.org/10.34010/komputika.v12i2.10616","url":null,"abstract":"Rumah tangga merupakan penyumbang sampah terbanyak, berbagai jenis sampah dihasilkan, mulai dari sampah organik, non organik dan lain sebagainya. Jika setiap rumah tangga menghasilkan 2 kg sampah setiap harinya, dan sampah tersebut langsung dibuang ke tempat pembuangan sampah sementara (TPS), maka sangat banyak jumlah sampah yang tertimbun di TPS tersebut. Maka dari itu diperlukan alat yang berfungsi untuk mengolah sampah yang dapat didaur ulang menjadi kompos, yaitu sampah atau sisa makanan yang tergolong sampah organik. Alat yang dimaksud terdiri dari motor stepper nema 17 sebagai pemotong dan pengaduk sampah supaya tercampur dengan tanah, sensor YL-69 sebagai pendeteksi kelembapan tanah, sensor DS18B20 sebagai pendeteksi suhu tanah dan dua pompa mini sebagai penyuplai air dan EM4. Dari hasil penelitian ini, YL-69 mendeteksi kelembapan tanah 17% sampai 86%, artinya kelembapan tanah meningkat, maka stepper akan aktif untuk mengaduk tanah dan sampah organik. Selanjutnya DS18B20 mendeteksi suhu tanah 25℃ sampai 34℃, artinya ketika suhu antara 30℃ sampai 34℃ maka proses pengomposan berlangsung, suplai air dan EM4 terhenti secara otomatis. Kata Kunci – Sampah Organik; Kompos; Mikrokontroler; DS18B20, YL-69.","PeriodicalId":52813,"journal":{"name":"Komputika","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-09-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136364056","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Robot Panen Hidroponik Berbasis Human Following 一种以人类追随者为基础的水培收获机器人

Komputika Pub Date : 2023-05-25 DOI: 10.34010/komputika.v12i1.9028

Abdul Basit, Eko Budihartono

{"title":"Robot Panen Hidroponik Berbasis Human Following","authors":"Abdul Basit, Eko Budihartono","doi":"10.34010/komputika.v12i1.9028","DOIUrl":"https://doi.org/10.34010/komputika.v12i1.9028","url":null,"abstract":"– Pertanian modern banyak diminati oleh petani modern terutama di perkotaan karena banyak pengalihfungsian lahan. Hidroponik menjadi pertanian yang pailing popular karena tidak membutuhkan lahan yang besar, minim perawatan karna tidak membutuhkan pemupukan yang rutin akantetapi menghasilkan panen yang maksimal. Meningkatnya hasil panen perlu adanya proses panen lebih efisien, dengan teknologi robotic memungkinkan kita untuk membuat keranjang panen yang interaktif, dengan membuat robot human following. Robot dibangun menggunakan microcontroller arudino uno, ada 4 sensor untuk mendukung proses robot berjalan dengan baik, sensor ulrasonik digunakan untuk mendeteksi hambatan agar robot berjalan kedepan dengan jarak distance > 40 dan distance < 20. Sensor, Sensor ir digunanakan untuk proses mendeteksi hambatan agar robot bisa berbelok ke kanan dan kekiri, data dari sensor dikirm ke microcontroller untuk di proses oleh motor driver agar roda robot bisa bergerak sesuai dengan data sensor. Untk mempermudah mengetauhui berapa berat hasil panen digunakan sensor loadcell dan modul HX711 sensor merubah dari resistensi menjadi berat, data sensor akan dikirimkan ke microcontroller untuk diproses ke LCD 16x2 untuk menampilkan hasil proses timbang.","PeriodicalId":52813,"journal":{"name":"Komputika","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"48123236","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Deteksi Aktivitas Mata, Mulut Dan Kemiringan Kepala Sebagai Fitur Untuk Deteksi Kantuk Pada Pengendara Mobil 检测眼睛、嘴巴和头痛活动，作为检测汽车驾驶员触摸的特征

Komputika Pub Date : 2023-05-24 DOI: 10.34010/komputika.v12i1.9688

Sugeng Sugeng, Taufiq Nuzwir Nizar

{"title":"Deteksi Aktivitas Mata, Mulut Dan Kemiringan Kepala Sebagai Fitur Untuk Deteksi Kantuk Pada Pengendara Mobil","authors":"Sugeng Sugeng, Taufiq Nuzwir Nizar","doi":"10.34010/komputika.v12i1.9688","DOIUrl":"https://doi.org/10.34010/komputika.v12i1.9688","url":null,"abstract":"Kondisi mengantuk pada pengendara roda empat adalah salah satu faktor yang menyebabkan terjadinya kecelakaan lalulintas. Kondisi mengantuk dapat disebabkan karena kelelahan perjalanan yang dilalui oleh pengendara. Pemanfaatan kecerdasan buatan dapat digunakan untuk mendeteksi kondisi mengantuk pendendara, salah satunya dengan mengamati aktifitas atau kondisi mata, pergerakan mulut dan posisi kepala saat mengemudi. Dengan mengetahui semua kondisi tersebut maka dapat dibuat sebuah mesin yang dapat memberi peringatan jika pengendara mengalami kemungkinan kondisi mengantuk. Penelitian ini memanfaatkan sebuah kamera sebagai masukan data untuk mengenali kondisi pengendara melalui aktifitas, mata, mulut dan posisi kemiringan kepala. Sistem akan memulai dengan mendeteksi wajah pengendara, kemudian menghitung setiap aktivitas kedipan mata, jumlah atau banyaknya mulut terbuka karena menguap, serta aktivitas kepala melalui pose maupun kemiringan posisi kepala. Deteksi wajah digunakan untuk mengetahui posisi wajah lalu mendeteksi posisi mata, mulut serta kepala pengendara. Memanfaatkan kecerdasan buatan dengan metoda Blazeface yang merupakan algoritma yang digunakan untuk memetakan posisi wajah. Serta dengan menggunakan metoda EAR( Eye Aspect Ratio) untuk dapat menentukan apakah mata dan mulut dalam keadaan terbuka atau tertutup. Hasil dari penelitian ini didapatkan akurasi deteksi wajah 98% dan sistem hanya dapat mendeteksi wajah pada sudut kemiringan wajah 0-15 derajat.","PeriodicalId":52813,"journal":{"name":"Komputika","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47268829","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Analisis Sentimen Penilaian Masyarakat Terhadap Pejabat Publik Menggunakan Algoritma Naïve Bayes Classifier 使用天真的贝斯经典算法分析公众对政府官员的评估情绪

Komputika Pub Date : 2023-05-24 DOI: 10.34010/komputika.v12i1.9638

Debora Chrisinta, J. E. Simarmata

{"title":"Analisis Sentimen Penilaian Masyarakat Terhadap Pejabat Publik Menggunakan Algoritma Naïve Bayes Classifier","authors":"Debora Chrisinta, J. E. Simarmata","doi":"10.34010/komputika.v12i1.9638","DOIUrl":"https://doi.org/10.34010/komputika.v12i1.9638","url":null,"abstract":"Umumnya masyarakat Indonesia menyampaikan opini kepada pejabat publik dilakukan dengan melibatkan organisasi masyarakat secara demonstrasi. Namun, dikarenakan era digital masa kini banyak masyarakat juga yang memilih dalam menanggapi/merespon kinerja pejabat publik dengan menyampaikannya melalui media sosial salah satunya Twitter. Opini masyarakat yang tercatat dalam Twitter dapat digunakan untuk dilakukan analisis secara terstruktur mengggunakan analisis sentiment. Analisis sentiment bertujuan untuk membentuk data menjadi kelas tertentu. Klasifikasi kelas yang ada dalam analaisis sentiment berupa kelas positif dan kelas negatif. Pada penelitian ini menerapkan algoritma Naïve Bayes dalam melakukan klasifikasi sentimen data Twitter penilaian masyarakat terhadap pejabat publik. Data yang digunakan berasal dari data teks sebanyak 8000 Tweet yang kemudian dilakukan proses preprocessing sehingga menghasilkan 7993 data. Evaluasi kinerja algoritma menggunakan confusion matrix untuk mendapatkan nilai accuracy dan error rate. Hasil analisis sentimen menunjukkan penilaian masyarakat dengan frekuensi tertinggi berada pada kelas negatif. Performa algoritma menunjukkan nilai accuracy sebesar 64,55% dengan error rate sebesar 35,45%.","PeriodicalId":52813,"journal":{"name":"Komputika","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"42499834","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 1

Klasifikasi Penyakit Kanker Prostat Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbor 前列腺癌的分类使用了Naive Bayes和K-Nearest算法

Komputika Pub Date : 2023-05-19 DOI: 10.34010/komputika.v12i1.9629

Adi Muzakir, Anita Desiani, A. Amran

{"title":"Klasifikasi Penyakit Kanker Prostat Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbor","authors":"Adi Muzakir, Anita Desiani, A. Amran","doi":"10.34010/komputika.v12i1.9629","DOIUrl":"https://doi.org/10.34010/komputika.v12i1.9629","url":null,"abstract":"Kanker prostat merupakan kanker yang berkembang di prostat dalam sistem reproduksi pria, hal ini terjadi ketika sel prostat mengalami keterikatan pada reseptor androgen melalui proses molecular docking. Insidensi kanker prostat meningkat seiring pertambahan usia, di mana risiko yang dimiliki pria untuk menderita kanker prostat dalam seumur hidupnya mendekati angka 10%. Deteksi dini terhadap kasus kanker prostat pada banyak pengidap atau pria yang rentan risiko kanker prostat penting dilakukan untuk memulai pengobatan dan perencanaan kebutuhan medis yang tepat. Salah satu cara yang dapat dilakukan dalam deteksi penyakit kanker prostat adalah dengan melakukan klasifi-kasi menggunakan pendekatan data mining dengan algoritma Naïve Bayes dan K-Nearest Neighbor (K-NN). Penelitian ini bertujuan untuk mendapatkan hasil klasifikasi terbaik untuk mendeteksi penyakit kanker prostat dengan membandingkan kedua algoritma tersebut. Hasil akurasi klasifikasi kanker prostat dengan menggunakan algoritma Naïve Bayes adalah 80% dan K-NN sebesar 90%. Sementara untuk rata-rata keseluruhan nilai presisi algoritma Na-ïve Bayes dan K-NN masing-masing berada di angka 71,5% dan 93%. Nilai recall untuk algoritma Naïve bayes didapatkan sebesar 88% dan algoritma K-NN yaitu 87,5%. Berdasarkan nilai akurasi, presisi, dan recall kedua algo-ritma tersebut, algoritma K-NN memiliki nilai yang lebih tinggi dibandingkan dengan algoritma Naïve Bayes, sehing-ga dapat dikatakan bahwa algoritma K-NN bekerja dengan baik dalam melakukan klasifikasi penyakit kanker prostat. Meskipun algoritma Naïve Bayes memiliki nilai yang lebih rendah dibandingkan dengan algoritma K-NN, tetapi nilai rata-rata untuk performa presisi, recall, dan akurasinya masih berada di atas 70%. Dapat dikatakan bahwa algoritma Naïve Bayes cukup baik dalam mengklasifikasi penyakit kanker prostat.","PeriodicalId":52813,"journal":{"name":"Komputika","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"43430726","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 1

Task Management System Acceptance Technical Procedure Instalasi Antenna Provider pada Tower Berbasis Web ( Studi Kasus : PT. Intisel Prodaktifakom Central Java ) 任务管理系统验收技术流程安装天线提供商帕达塔Berbasis Web(研究中心:PT. Intisel Prodaktifakom Central Java)

Komputika Pub Date : 2023-05-19 DOI: 10.34010/komputika.v12i1.9378

Prasetyo Adi Pamungkas, F. W. Christanto

{"title":"Task Management System Acceptance Technical Procedure Instalasi Antenna Provider pada Tower Berbasis Web ( Studi Kasus : PT. Intisel Prodaktifakom Central Java )","authors":"Prasetyo Adi Pamungkas, F. W. Christanto","doi":"10.34010/komputika.v12i1.9378","DOIUrl":"https://doi.org/10.34010/komputika.v12i1.9378","url":null,"abstract":"Perubahan gaya hidup masyarakat saat ini sangat membutuhkan akses informasi yang mudah dan cepat, untuk memenuhi kebutuhan yang bergantung dengan jaringan telekomunikasi. Sejalan dengan hal ini menuntut pengadaan sarana infrastruktur konstruksi pendukungnya yaitu instalasi antena sebagai media transmisi telekomunikasi lewat udara. PT. Intisel Prodaktifakom Jawa Tengah adalah salah satu perusahaan yang menangani dan bergerak dalam bidang jasa kontraktor telekomunikasi. Agar mampu menjadi perusahaan kontraktor yang sukses di bidang telekomunikasi, manajemen diperlukan untuk peningkatan efisiensi dan efektivitas pengelolaan proyek, karena banyaknya pekerjaan yang harus diselesaikan sering muncul berbagai masalah, minimnya teknisi yang idle sehingga terjadi delay pekerjaan, update pekerjaan yang tidak real-time, pemberian tugas kepada teknisi masih secara manual menggunakan Whatsapp Group, dan kesulitan dalam proses pengawasan. Untuk mencapai tujuan sebuah proyek yang memenuhi kriteria biaya, mutu dan waktu, sistem task management berbasis web menggunakan metode prototype dimaksudkan sebagai alat untuk peningkatan mutu dan pelayanan perusahaan. Berdasarkan dari pengujiaan yang telah dilakukan sistem Task Managemt ini mendapatkan hasil yang cukup baik, pada pengujian black box sistem berjalan dengan baik sesuai dengan perencanaan, dari pengujian reability didapatkan hasil rata-rata 100% per test yang dijalankan, kemudian untuk pengujian kepuasan pengguna menghasilkan rata-rata presentase yaitu 76% responden memilih sangat baik, 26% responden memilih baik. Diharapkan PT Intisel Prodaktifakom Jawa Tengah dapat lebih banyak memenangkan tander projek dan juga kepercayaan lebih kepada PT Intisel Prodaktifakom dari vendor yang menjadi langganan untuk PT Intisel Prodaktifakom Jawa Tengah.","PeriodicalId":52813,"journal":{"name":"Komputika","volume":null,"pages":null},"PeriodicalIF":0.0,"publicationDate":"2023-05-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"48072074","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Implementasi dan Analisis Metode MOORA dan SMART pada Pemilihan Platform Jual Beli Online menggunakan Decision Support System

Komputika Pub Date : 2023-05-10 DOI: 10.34010/komputika.v12i1.9300

Riza F. Ramadhan

引用次数: 2

Implementasi Sistem Penghitung Kendaraan Otomatis Berbasis Computer Vision 采用基于计算机的自动汽车计数器系统

Komputika Pub Date : 2023-05-09 DOI: 10.34010/komputika.v12i1.9082

Dolly Indra, H. Herman, Firman Shantya Budi

引用次数: 1