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.
|
Text
1. COVER_2018363TIF.pdf Download (113kB) | Preview |
|
|
Text
2. PENGESAHAN_2018363TIF.pdf Download (132kB) | Preview |
|
|
Text
3. ABSTRAK_2018363TIF.pdf Download (92kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018363TIF.pdf Download (277kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018363TIF.pdf Download (190kB) | Preview |
|
|
Text
6. BAB I_2018363TIF.pdf Download (216kB) | Preview |
|
|
Text
7. BAB II_2018363TIF.pdf Download (907kB) | Preview |
|
|
Text
8. BAB III_2018363TIF.pdf Download (274kB) | Preview |
|
|
Text
9. BAB IV_2018363TIF.pdf Download (889kB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V_2018363TIF.pdf Restricted to Repository staff only Download (521kB) |
|
|
Text
11. BAB VI_2018363TIF.pdf Download (141kB) | 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 |