SISTEM MONITORING KURSI PADA RUANGAN KELAS DENGAN METODE CONVOLUTIONAL NEURAL NETWORK(CNN)

MAIFAL DAFIKA DARMA, (2018) SISTEM MONITORING KURSI PADA RUANGAN KELAS DENGAN METODE CONVOLUTIONAL NEURAL NETWORK(CNN). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
1. COVER_2018363TIF.pdf

Download (113kB) | Preview
[img]
Preview
Text
2. PENGESAHAN_2018363TIF.pdf

Download (132kB) | Preview
[img]
Preview
Text
3. ABSTRAK_2018363TIF.pdf

Download (92kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR_2018363TIF.pdf

Download (277kB) | Preview
[img]
Preview
Text
5. DAFTAR ISI_2018363TIF.pdf

Download (190kB) | Preview
[img]
Preview
Text
6. BAB I_2018363TIF.pdf

Download (216kB) | Preview
[img]
Preview
Text
7. BAB II_2018363TIF.pdf

Download (907kB) | Preview
[img]
Preview
Text
8. BAB III_2018363TIF.pdf

Download (274kB) | Preview
[img]
Preview
Text
9. BAB IV_2018363TIF.pdf

Download (889kB) | Preview
[img] Text
10. BAB V_2018363TIF.pdf
Restricted to Repository staff only

Download (521kB)
[img]
Preview
Text
11. BAB VI_2018363TIF.pdf

Download (141kB) | Preview
[img]
Preview
Text
12. DAFTAR PUSTAKA_2018363TIF.pdf

Download (99kB) | Preview

Abstract

Sistem kerja CCTV adalah memantau seluruh kegiatan yang direkamnya, akan tetapi apabila terjadi suatu permasalahan, masalah tersebut tidak dapat langsung diketahui oleh petugas. Dengan demikian seharusnya ada petugas yang memantau setiap waktu kamera CCTV agar dapat langsung mengetahui kondisi yang terjadi. Namun kondisi yang demikian tidak akan selalu bisa dilakukan karena akan banyak waktu dan tenaga yang dihabiskan untuk selalu standby didepan layar monitor.Ruangan kelas perkuliahan seharusnya selalu memiliki kursi yang cukup agar proses perkuliahan berjalan dengan baik.Akan tetapi pada ruangan kelas sering terjadinya kekurangan kursi. oleh karena itupenelitian ini membuat sebuah sistem yang dapat memonitor jumlah kursi dalam ruangan kelas dengan menggunakan metode Convolution Neural Network (CNN). Sistem ini dapat mendeteksi objek kursi menggunakan metode CNN, selanjutnya sistem menghitung jumlah kursi yang telah dideteksi. Hasil pengujian sistem dibagi menjadi 4jenis, masing-masing pengujian mendapatkan nilai akurasi pada ruangan kelas 75, 6%,pada pengujian hitung jumlah kursi yang benar mendapatkan nilai 0%,pada pengujian jenis-jenis kursi 100 % dan pada pengujian tata letak kursi66,6%. Sistem ini dapatdimanfaatkan dalam membantu tugas operator ruangan dalam memonitoring kursi.Kata Kunci :Computer Vision, Convolutional Neural Netwok, Deteksi Objek.

Item Type: Thesis (Skripsi)
Subjects: 300 Ilmu Sosial
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Ms. Nilam Badriyah
Date Deposited: 22 Jul 2019 02:16
Last Modified: 22 Jul 2019 02:16
URI: http://repository.uin-suska.ac.id/id/eprint/16419

Actions (login required)

View Item View Item