PANDIANGAN, YULI SHARA (2020) RANCANG BANGUN ALARM BANGKU PRIORITAS DI GERBONG KERETA REL LISTRIK (KRL) KHUSUS LANSIA BERBASIS RAPSBERRY PI 4 MENGGUNAKAN ALGORITMA HAAR CASCADE CLASSIFIER. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
1. Cover..pdf Download (514kB) | Preview |
|
|
Text
1. Cover.pdf Download (534kB) | Preview |
|
Text (BAB I)
2. BAB I..pdf Restricted to Registered users only Download (90kB) |
||
Text (BAB II)
3. BAB II..pdf Restricted to Registered users only Download (444kB) |
||
Text (BAB III)
4. BAB III..pdf Restricted to Registered users only Download (327kB) |
||
Text (BAB IV)
5. BAB IV..pdf Restricted to Registered users only Download (296kB) |
||
Text (BAB V)
6. BAB V..pdf Restricted to Registered users only Download (28kB) |
||
Text (DAFTAR PUSTAKA)
7. DAFTAR PUSTAKA..pdf Restricted to Registered users only Download (23kB) |
Abstract
Pengguna kereta commuter line diketahui terdiri dari berbagai kalangan mulai dari anak kecil, remaja, dewasa, lansia, penyandang disabilitas hingga ibu hamil. Tidak sedikit penumpang yang berkebutuhan khusus menggunakan moda transportasi umum kereta api. Meningkatnya jumlah penumpang kereta rel listrk commuter line dari waktu ke waktu mengakibatkan kepadatan penumpang yang hampir ditemui setiap hari saat beroperasinya Kereta Rel Listrik (KRL) Jabodetabek. Puluhan hingga ratusan orang pun rela berdiri dan berdesak-desakan saat berada di perjalanan kereta commuter line, termasuk penumpang yang LANSIA(lanjut usia). Penulis merancang sistem implementasi metode Haar Cascade Classifier pada pendeteksian wajah untuk sistem Smart Crair Priorty menggunkan Raspberry Pi, sensor kamera Raspberry 8MPdan aplikasi XAMPP sebagai penyimpanan data di server. Sensor kamera Raspberry 8MP sebagai masukan (input) proses awal yang di hubungkan dengan Raspberry Pi dan keluaran (output) berupa Buzzer dan Speaker untuk memperingtan untuk bangku KRL. Program Software berisi instruksi untuk menjalankan komponen Hardware. Teknologi Internet of Things juga digunakan supaya data dapat diterima secara real-time melalui jaringan internet. Berdasarkan hasil pengujian pada sistem yang telah dirancang, informasi berupa presentasi pendeteksian gambar wajah yang terdeteksi oleh sensor kamera Raspberry 8MP untuk sistem perbaiki yang mempunyai akurasi 99,09% dari hasil perhitungan matematis lalu dikirimkan kedalam server dan mengaktifkan Buzzer untuk membunyikan atau memperingtakan bahwa tidak dibolekkan menduduki bangku. Kecepatan rata-rata pengiriman data pada aplikasi XAMPP untuk mengirimkan jumlah data yang terdeteksi sebesar 5.00 detik. Kata kunci : Raspberry Pi , Haar Cascade Classifier , Camera Raspberry 8MP, Buzzer
Actions (login required)
View Item |