DETEKSI SENJATA TAJAM DENGAN METODE HAAR CASCADE CLASSIFIER MENGGUNAKAN TEKNOLOGI SMS GATEWAY

Mahmudi, Ali (2014) DETEKSI SENJATA TAJAM DENGAN METODE HAAR CASCADE CLASSIFIER MENGGUNAKAN TEKNOLOGI SMS GATEWAY. MATICS: Jurnal ilmu komputer dan ilmu teknologi, 1 (1). pp. 27-30. ISSN ISSN : 1978-161X | e-ISSN : 2477-2550 (Submitted)

	Text DETEKSI SENJATA TAJAM DENGAN METODE HAAR CASCADE.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (386kB)
	Text DETEKSI SENJATA TAJAM DENGAN METODE HAAR CASCADE CLASSIFIER MENGGUNAKAN TEKNOLOGI SMS GATEWAY - TURNITIN.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (150kB)

Abstract

Minimarket adalah salah satu tempat umum yang kadang merupakan target aksi kejahatan, seperti aksi pencurian, perampokan atau penjarahan. Pemantauan perlu dilakukan untuk meminimalisir aksi kejahatan. Sistem otomatis mengirim sms kepada pihak kepolisian apabila terjadi adanya tindak perampokan. Pada penelitian ini, indikator tindak kejahatan dengan terdeteksinya objek pisau pada citra yang diperoleh dari CCTV. Tujuan dari penelitian ini adalah untuk merancang dan membuat aplikasi pendeteksi senjata tajam. Keakuratan serta kecepatan sistem dalam mendeteksi pisau menjadi parameter keberhasilan penelitian ini. Jika senjata tajam terdeteksi, hal ini akan memicu sistem untuk mengirim SMS. Metode yang digunakan pada penelitian ini adalah Haar cascade classifier. Citra inputan dari CCTV, kemudian diproses dan kemudian diidentifikasi ada tidaknya objek senjata tajam. Hasil dari penelitian ini adalah sistem dapat mengenali objek senjata tajam dengan akurasi 63,3% pada cahaya remang-remang, 70% pada cahaya normal dan 86% pada cahaya terang. Cahaya dan jarak merupakan parameter penting yang harus diperhatikan karena mempengaruhi proses pendeteksian objek senjata tajam.

Item Type:	Article
Uncontrolled Keywords:	amahmudi@hotmail.com
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1
Depositing User:	Mrs Retno Wulan Sari
Date Deposited:	24 Aug 2023 03:12
Last Modified:	24 Aug 2023 03:12
URI:	http://eprints.itn.ac.id/id/eprint/12675

Actions (login required)

View Item