The computer ability to detect human being by computer vision is still being improved both in accuracy or computation time. In low-lighting condition, the detection accuracy is usually low. This research uses additional information, besides RGB channels, namely a depth map that shows objects’ distance relative to the camera. This research integrates Cascade Classifier (CC) to localize the potential object, the Convolutional Neural Network (CNN) technique to identify the human and nonhuman image, and the Kalman filter technique to track human movement. For training and testing purposes, there are two kinds of RGB-D datasets used with different points of view and lighting conditions. Both datasets have been selected to remove images which contain a lot of noises and occlusions so that during the training process it will be more directed. Using these integrated techniques, detection and tracking accuracy reach 77.7%. The impact of using Kalman filter increases computation efficiency by 41%.

Abstrak: Cuaca merupakan faktor alam yang dapat mempengaruhi pengambilan keputusan yang akan dilakukan dalam berbagai aspek kehidupan. Atas dasar tersebut, penulis ingin membuat suatu aplikasi yang dapat digunakan untuk memprediksi hasil cuaca dengan tingkat akurasi yang baik. Dengan menggunakan teknologi komputer yang mengimplementasikan cabang ilmu Sistem Pakar akan dibangun sebuah sistem prediksi cuaca. PENDAHULUANCuaca sangat berkaitan erat dalam kehidupan manusia hal itu didasari bahwa cuaca mempengaruhi kegiatan yang akan dilakukan [4]. Cuaca mempengaruhi pengambilan keputusan yang optimal dalam aspek kehidupan dengan tujuan yang bermacam-macam contohnya pengontrolan lalu lintas udara, menentukan rute kapal dan bidang pertanian [1]. Oleh karena itu diperlukan suatu sistem dengan kemampuan yang dapat melakukan prediksi cuaca agar manusia dapat lebih waspada ketika terjadi fenomena cuaca yang dapat merugikan dan membahayakan manusia.Prediksi cuaca adalah suatu proses untuk memperkirakan keadaan atmosfer bumi dengan menggunakan penerapan ilmu dan teknologi. Dalam prosesnya ada beberapa metode yang harus digunakan untuk menghasilkan output prediksi cuaca. Metode pertama adalah metode yang digunakan untuk memprediksikan nilai-nilai parameter yang berhubungan dengan cuaca untuk waktu kedepan yaitu metode time series Adaptive Neuro Fuzzy Inference System (ANFIS). Kelebihan dari metode ANFIS yaitu ANFIS memiliki konsep penggabungan antara penalaran pengetahuan manusia dan proses pembelajaran terarah sehingga cocok di implementasikan untuk kasus prediksi time series [2]. Proses pembelajaran dalam penelitian ini menggunakan metode Hybrid Learning yaitu dengan menggabungkan metode Backpropagation Error dan Recursive Least Square Error dimana dengan menggunakan kedua metode ini diharapkan sistem dapat belajar lebih cepat [3].