Deteksi Area Parkir Mobil Berbasis Marker Menggunakan Moment Invariants dan K-NN

Nugraha, Kristian Adi

doi:10.28932/jutisi.v5i1.1586

Cited by 4 publications

(4 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The study employed two methods: morphology and background subtraction, testing only two parking locations, each with five parking slots [19]. While searching for parking spaces, the system encountered difficulties with moment invariants and K-NN methods when detecting thin-line markers, and lighting conditions significantly affected marker detection [20]. The system identifies occupied parking spaces when objects other than vehicles are present.…”

Section: Discussionmentioning

confidence: 99%

System Design for Calcualting the Number and Density of Motorcycles in Parking Area Based on Background Subtraction Method

Muhammad Yusuf Fadhlan,

Auliya Rahmawati,

Novita Lestari Anggreini

2024

Metrik

View full text Add to dashboard Cite

There are still issues with a number of students parking their vehicles improperly in the parking spaces provided. This causes suboptimal parking capacity due to a lack of information about parking capacity. In recent years, at a certain library, vehicle detection has been implemented using a Gaussian mixture model algorithm using a Raspberry Pi. However, this library does not provide information about the density status of the parking area. Therefore, an information system was created to determine the level of density of the parking area based on the ratio of vehicles entering and exiting compared to the maximum capacity of the parking area. The system uses the Gaussian mixture model algorithm with the machine learning method of background subtraction MOG2, which can calculate the number of vehicles based on the difference between objects and the background of objects, using test data in the form of videos recorded using a camera positioned horizontally to the entrance and exit lanes of the parking area. This research resulted in an accuracy of 89.7% for Video1TA, precision of 93.2%, a crowded parking area density level, and a value of 129.12. Video2TA had a value of 101.08, precision of 100%, and accuracy of 90%, while Video3TA had an accuracy of 35%, precision of 56.7%, and a value of 49.48. The density levels of videos 2 and 3 are the same, indicating that the parking area is still empty. The test results show that the value can affect the system in detecting an object.

show abstract

Section: Discussionmentioning

confidence: 99%

System Design for Calcualting the Number and Density of Motorcycles in Parking Area Based on Background Subtraction Method

Muhammad Yusuf Fadhlan,

Auliya Rahmawati,

Novita Lestari Anggreini

2024

Metrik

View full text Add to dashboard Cite

show abstract

“…Pada contoh lain, IoT juga banyak diimplementasikan pada perangkatperangkat berukuran kecil atau berbentuk robot. Karena biaya implementasi yang semakin terjangkau, IoT banyak dikembangkan selama beberapa tahun terakhir untuk berbagai macam bidang, misalnya keamanan [1], pertanian [2], dan kesehatan [3]. Berdasarkan fleksibilitas dan semakin terjangkaunya harga perangkat IoT, maka teknologi IoT diharapkan dapat semakin banyak diimplementasikan dan digunakan untuk membantu mempermudah masyarakat saat ini dalam menjalankan kehidupan sehari-hari.…”

Section: Pendahuluanunclassified

Efisiensi Pertukaran Data Client-Server menggunakan Web Socket pada Perangkat Berbasis Internet of Things

Nugraha

2024

JEPIN

View full text Add to dashboard Cite

Internet of Things (IoT) banyak digunakan dengan tujuan membantu mempermudah hidup masyarakat dalam wujud perangkat-perangkat yang dapat bekerja secara otomatis. Perangkat IoT secara umum dapat dipantau atau dikendalikan menggunakan perangkat lain seperti komputer atau telepon seluler melalui perantara server yang dikenal sebagai Application Programming Interface (API). Umumnya, protokol yang digunakan untuk pertukaran data antara client dan server adalah Message Queuing Telemetry Transport (MQTT). Namun MQTT memiliki beberapa kelemahan di sisi kehandalan dan keamanan data, sehingga tidak dapat digunakan pada segala jenis kondisi dan situasi. Sebagai alternatif, terdapat protokol Hypertext Transfer Protocol (HTTP) yang dapat mengakomodasi kekurangan tersebut. Namun HTTP memiliki kelemahan di mana server tidak dapat mengirimkan data kepada client apabila client tidak mengirimkan request terlebih dahulu. Sementara pada perangkat IoT, data seharusnya bisa dikirimkan oleh kedua belah pihak. Terdapat satu buah protokol lain yang dapat menjadi solusi dari kedua kebutuhan tersebut, yaitu Web Socket. Penelitian ini bertujuan untuk mengimplementasikan arsitekur client-server berbasis Web Socket untuk melakukan pertukaran data antara perangkat IoT dengan server. Hasil pengujian menunjukkan bahwa protokol Web Socket memiliki nilai latency yang paling rendah di antara protokol yang lain, yaitu dengan nilai rata-rata antara 10,75 sampai dengan 23,29 milidetik. Rentang tersebut termasuk kategori yang baik, sehingga dapat disimpulkan bahwa Web Socket dapat digunakan sebagai alternatif pengganti MQTT.

show abstract

“…Server pada umumnya memiliki wujud dalam bentuk komputer yang terkoneksi pada jaringan, sedangkan untuk client dapat memiliki banyak bentuk. Salah satunya adalah client dalam bentuk kamera CCTV (closed-circuit television) yang bertugas untuk mengirimkan foto area parkir kepada server secara berkala, kemudian foto-foto tersebut akan diolah oleh server untuk menentukan ketersediaan lahan parkir [10,11]. Selain itu, client juga dapat berbentuk komputer mikro (mikrokontroler) untuk implementasi teknologi Internet of Things (IoT) [12], salah satunya untuk keperluan penghitungan jenis kendaraan yang memasuki sebuah area secara otomatis [13].…”

Section: Pendahuluanunclassified

Basis Data Awan Non-Relasional Firestore untuk Penyimpanan Data Pesan

Nugraha

2022

JEPIN

View full text Add to dashboard Cite

Pandemi Covid-19 mengubah cara komunikasi masyarakat di berbagai bidang yang semula melalui tatap muka secara langsung, berubah menggunakan media daring. Meningkatnya kebutuhan akan proses komunikasi yang dilakukan secara daring harus didukung dengan infrastruktur yang tepat agar proses pengiriman informasi dapat dilakukan lancar dan tanpa adanya hambatan. Salah satu faktor pendukung infrastruktur komunikasi adalah basis data yang digunakan untuk menyimpan data pesan. Salah satu jenis basis data yang banyak digunakan saat ini adalah basis data non-relasional, karena lebih fleksibel dan dinamis dibandingkan dengan basis data relasional. Terdapat banyak jenis basis data non-relasional, salah satunya berbasis dokumen. Penelitian ini mencoba mengimplementasikan basis data non-relasional Firestore untuk menyimpan berbagai jenis bentuk data pesan. Hasil pengujian menunjukkan bahwa basis data Firestore cukup andal digunakan untuk menyimpan data pesan teks dengan rata-rata waktu penyimpanan adalah 0.4 detik untuk jumlah kata maksimal 100 kata. Sedangkan untuk pesan berbentuk media seperti gambar, rata-rata waktu penyimpanan adalah 4 detik untuk ukuran media maksimal 5 MB, di mana angka tersebut masih dalam batas toleransi respons (10 detik) namun penggunaannya harus disertai dengan adanya feedback pada antarmuka.

show abstract

Deteksi Area Parkir Mobil Berbasis Marker Menggunakan Moment Invariants dan K-NN

Cited by 4 publications

References 10 publications

System Design for Calcualting the Number and Density of Motorcycles in Parking Area Based on Background Subtraction Method

System Design for Calcualting the Number and Density of Motorcycles in Parking Area Based on Background Subtraction Method

Efisiensi Pertukaran Data Client-Server menggunakan Web Socket pada Perangkat Berbasis Internet of Things

Basis Data Awan Non-Relasional Firestore untuk Penyimpanan Data Pesan

Contact Info

Product

Resources

About