Salim, Rendi (2021) Sistem Deteksi Senjata Secara Real Time dengan Metode Single Shot Multibox Detector (SSD) Mobilenet V2 dan SSD Resnet 50. Skripsi thesis, Universitas Tarumanagara.
Text
525170007_RENDI SALIM_01 Cover.pdf Download (34kB) |
|
Text
525170007_RENDI SALIM_02 Lembar Pengesahan.pdf Download (50kB) |
|
Text
525170007_RENDI SALIM_03 Kata Pengantar.pdf Download (113kB) |
|
Text
525170007_RENDI SALIM_04 Abstrak.pdf Download (9kB) |
|
Text
525170007_RENDI SALIM_05 Lembar Pernyataan.pdf Download (30kB) |
|
Text
525170007_RENDI SALIM_06 Daftar Isi, Tabel, Gambar, Lampiran.pdf Download (41kB) |
|
Text
525170007_RENDI SALIM_07 Bab 1.pdf Restricted to Registered users only Download (174kB) |
|
Text
525170007_RENDI SALIM_08 Bab 2.pdf Restricted to Registered users only Download (752kB) |
|
Text
525170007_RENDI SALIM_09 Bab 3.pdf Restricted to Registered users only Download (1MB) |
|
Text
525170007_RENDI SALIM_10 Bab 4.pdf Restricted to Registered users only Download (434kB) |
|
Text
525170007_RENDI SALIM_11 Bab 5.pdf Restricted to Registered users only Download (8kB) |
|
Text
525170007_RENDI SALIM_12 Daftar Pustaka.pdf Download (84kB) |
|
Text
525170007_RENDI SALIM_13 Lampiran.pdf Restricted to Registered users only Download (42kB) |
Abstract
Perkembangan teknologi saat ini memberikan banyak manfaat bagi manusia. Salah satu perkembangan teknologi yang ada saat ini adalah teknologi Artificial Intelligence (AI). AI memampukan sebuah komputer memiliki kecerdasan yang sama seperti manusia. Salah satu cabang ilmu pada teknologi AI yang memiliki jaringan saraf seperti manusia adalah deep learning. Penggunaan teknologi AI di Indonesia saat ini belum bisa dimaksimalkan dengan baik, khususnya pada bidang keamanan. Oleh karena hal tersebut, sistem deteksi senjata secara real time dengan metode SSD MobileNet V2 dan SSD ResNet 50 dirancang. Perancangan ini menggunakan metode Single Shot Multibox Detector (SSD) agar sistem ini dapat digunakan secara real time. Senjata yang dapat dideteksi oleh perancangan ini adalah senjata handgun dan senjata pisau. Input gambar pada perancangan ini menggunakan Camera WPC SC 02 dan ditampilkan melalui monitor LED 15.6 inci. Modul pemroses yang digunakan pada perancangan ini adalah Graphic Processing Unit (GPU). Metode SSD MobileNet V2 mampu mendeteksi senjata dengan tingkat akurasi sebesar 79% dari 100 gambar senjata dan SSD ResNet50 mampu mendeteksi senjata dengan tingkat akurasi sebesar 62% dari 100 gambar senjata. Metode SSD Mobilenet V2 dapat mendeteksi senjata secara real time sampai dengan jarak 1,5 meter dan metode SSD ResNet50 dapat mendeteksi senjata secara real time sampai dengan jarak 1 meter.
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | Artificial Intelligence, deep learning, senjata, SSD, real-time |
Subjects: | Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknik |
Divisions: | Fakultas Teknik > Teknik Elektro |
Depositing User: | TDI Family perpus |
Date Deposited: | 04 Jun 2021 02:53 |
Last Modified: | 18 Oct 2021 05:10 |
URI: | http://repository.untar.ac.id/id/eprint/30530 |
Actions (login required)
View Item |