PERBANDINGAN AKURASI UNTUK DETEKSI PINTU BERBASIS HOG DENGAN KLASIFIKASI SVM MENGGUNAKAN KERNEL LINEAR, RADIAL BASIS FUNCTION DAN POLINOMIAL PADA RASPBERRY PI
| Main Author: | Zeputra, Anugrah |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/184192/1/Anugrah%20Zeputra.pdf http://repository.ub.ac.id/184192/ |
Daftar Isi:
- "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. "