IMPLEMENTASI PENGOLAHAN CITRA DIGITAL OBJEK MANUSIA DENGAN METODE YOLOV4-Tiny PADA ARM PROSESOR NANOPI M4V2

FAIZIN, AHMAD (2022) IMPLEMENTASI PENGOLAHAN CITRA DIGITAL OBJEK MANUSIA DENGAN METODE YOLOV4-Tiny PADA ARM PROSESOR NANOPI M4V2. S1 thesis, Universitas Mercu Buana Jakarta.

[img]
Preview
 Text (HAL COVER)
01 Cover.pdf
Download (288kB) | Preview
[img]
Preview
 Text (ABSTRAK)
02 ABSTRAK.pdf
Download (161kB) | Preview
[img] Text (BAB I)
03 BAB I.pdf
Restricted to Registered users only
Download (245kB)
[img] Text (BAB II)
04 BAB II.pdf
Restricted to Registered users only
Download (726kB)
[img] Text (BAB III)
05 BAB III.pdf
Restricted to Registered users only
Download (630kB)
[img] Text (BAB IV)
06 BAB IV.pdf
Restricted to Registered users only
Download (861kB)
[img] Text (BAB V)
07 BAB V.pdf
Restricted to Registered users only
Download (177kB)
[img] Text (DAFTAR PUSTAKA)
08 DAPTAR PUSTAKA.pdf
Restricted to Registered users only
Download (262kB)

Abstract

Pada saat ini sistem pendeteksian objek masih banyak menggunakan perangkat yang berukuran besar, seperti penggunaan PC sebagai perangkat pendukung untuk pendeteksian objek, sehingga perangkat ini sangat susah jika akan digunakan untuk menjadi sistem pengamanan di fasilitas umum yang berbasis deteksi objek manusia, sedangkan saat ini sudah banyak Mini PC yang sudah menggunakan ARM Prosessor dengan spesifikasi yang tinggi dan sudah mendukung sistem berbasis IoT. Oleh sebab itu, untuk melakukan pendeteksian objek manusia penulis mencoba melakukan penelitian mengenai deteksi objek manusia dengan menggunakan pernagkat Mini PC Nanopi M4V2 yang memiliki kecepatan dalam pemrosesan dengan didukung oleh CPU Dual-Core Cortex-A72 (up to 2.0 GHz) + Cortex A53 (Up to 2.0 GHz) dan Ram 4 Gb DDR4 selain itu untuk sistem pendeteksian objek manusia penulis menggunakan metode You only look once (YOLO) dengan tipe YoloV4-Tiny dimana metode ini memiliki kecepatan mendeteksi dan akurasi yang tinggi. Dengan menggunakan perangkat Nanopi M4V2 dan dengan menggunakan metode YOLOV4-Tiny simulasi pada pengenalan objek manusia mendapatkan tingkat pendeteksian 100% dengan nilai FPS 2.81-3.55. Kata Kunci : ARM Prosesor, NanoPi M4V2, YOLOv4-Tiny, Deteki Objek, Deteksi Objek Manusia

Item Type: Thesis (S1)
Call Number CD: FT/ELK. 22 026
NIM/NIDN Creators: 41420110145
Uncontrolled Keywords: ARM Prosesor, NanoPi M4V2, YOLOv4-Tiny, Deteki Objek, Deteksi Objek Manusia
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 001 Knowledge/Ilmu Pengetahuan
000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 001 Knowledge/Ilmu Pengetahuan > 001.4 Research; Statistical Methods/Riset; Metode Statistik
Divisions: Fakultas Teknik > Teknik Elektro
Depositing User: ELMO ALHAFIIDH PUTRATAMA
Date Deposited: 19 Sep 2022 02:47
Last Modified: 22 Sep 2022 07:08
URI: http://repository.mercubuana.ac.id/id/eprint/69267

Actions (login required)

View Item View Item
UMB Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.