Perbandingan Akurasi Untuk Deteksi Pintu Berbasis Hog Dengan Klasifikasi Svm Menggunakan Kernel Linear, Radial Basis Function Dan Polinomial Pada Raspberry Pi

Zeputra, Anugrah (2021) Perbandingan Akurasi Untuk Deteksi Pintu Berbasis Hog Dengan Klasifikasi Svm Menggunakan Kernel Linear, Radial Basis Function Dan Polinomial Pada Raspberry Pi. Sarjana thesis, Universitas Brawijaya.

Abstract

"Pandemi virus Covid-19 menyebabkan permasalahan baru pada kehidupan masyarakat di Indonesia. Pandemi mengharuskan pelaksanaan seluruh kegiatan berjalan dengan pembatasan jarak atau disebut social distancing, akibatnya banyak proses kegiatan yang berlangsung menjadi terhambat dan tidak efisien. Korban yang terinfeksi virus Covid-19 yang terlalu banyak membuat tenaga medis pada rumah sakit kesulitan dalam merawat pasien Covid-19 sehingga diperlukan sebuah sistem pembantu dalam penanganan Covid-19. Machine Learning adalah bagian dari keilmuan kecerdasan buatan yang menjadi dasar dari penelitian ini. salah satu metode yang terkenal pada Machine learning adalah Support Vector Machine. SVM merupakan model multifungsi yang dapat digunakan untuk mengklasifikasi linear, non-linear dan regresi. SVM menjadi salah satu metode dari Machine Learning yang penulis gunakan untuk melatih mesin mengenali objek pada penelitian ini. pada SVM terdapat kernel yang menjadi metode SVM untuk mempelajari objek. ada beberapa kernel yang bisa digunakan pada SVM diantaranya adalah Linear, Radial Basis Function(RBF) dan polinomial. Untuk mendapatkan sebuah sistem deteksi pintu yang memiliki kesalahan paling sedikit didalam kinerjanya maka dibuatlah penelitian ini dengan judul Perbandingan akurasi untuk deteksi pintu berbasis HOG dengan Klasifikasi SVM menggunakan Kernel Linear, Radial Basis Function dan Polinomial pada Raspberry PI. Teknologi komputer cerdas dalam pengolahan citra dapat menjadi solusi dalam pembuatan sistem robot cerdas dalam mengantarkan obat yang dilakukan secara remot. Sehingga perawat yang bertugas tidak harus terpapar pasien yang terinfeksi Covid-19. Inovasi komputer cerdas dapat dimanfaatkan untuk pembuatan pada computer vision sebagai sistem deteksi sebuah objek. Deteksi objek pada computer vision dapat menggunakan sebuah kamera pengawas dalam pengolahan citra digitalnya. Penggunaan teknologi komputer cerdas dapat berjalan secara autonomous sehingga dapat mengolah data dan menampilkan hasilnya secara waktu nyata. "

English Abstract

The Covid-19 virus pandemic causes new problems in people's lives in Indonesia. The pandemic requires the implementation of all activities to run with a distance limitation or is called social distancing, as a result of which many of the activities that take place are hampered and inefficient. Too many victims infected with the Covid-19 virus made it difficult for medical personnel at the hospital to care for Covid-19 patients, so a support system was needed in handling Covid-19. Machine Learning is part of the science of artificial intelligence which is the basis of this research. one of the well-known methods of machine learning is the Support Vector Machine. SVM is a multifunctional model that can be used to classify linear, non-linear and regression. SVM is one of the methods of machine learning that the author uses to train machines to recognize objects in this study. in SVM there is a kernel which is the SVM method for studying objects. There are several kernels that can be used in SVM including Linear, Radial Basis Function (RBF) and polynomials. To get a door detection system that has the least error in its performance, this research is made with the title Comparison of accuracy in HOG-based door detection with SVM classification using Kernel Linear, Radial Basis Function and Polynomial. Intelligent computer technology in image processing can be a solution in making intelligent robot systems in delivering drugs that are carried out remotely. So that the nurse on duty does not have to be exposed to patients infected with Covid-19. Intelligent computer innovations can be used for making computer vision as an object detection system. Detection of objects in computer vision can use a surveillance camera in digital image processing. The use of intelligent computer technology can run autonomously so that it can process data and display the results in real time.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	052115
Subjects:	000 Computer science, information and general works > 004 Computer science
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Unnamed user with username rizky
Date Deposited:	22 Oct 2021 07:08
Last Modified:	25 Sep 2024 07:28
URI:	http://repository.ub.ac.id/id/eprint/184192

Text Anugrah Zeputra.pdf Download (4MB)

Actions (login required)

View Item