Moch. Syahrir
Universitas Bumigora

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

Deteksi dan Estimasi Kecepatan Kendaraan dalam Sistem Pengawasan Lalu Lintas Menggunakan Pengolahan Citra Muhammad Zulfikri; Hairani Hairani; Ahmad Ahmad; Kurniadin Abd. Latif; Rifqi Hammad; Moch. Syahrir
Techno.Com Vol 20, No 3 (2021): Agustus 2021
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v20i3.4588

Abstract

Deteksi objek berbasis pengolahan citra digital pada kendaraan sangat penting untuk diterapkan dalam membangun sistem pengawasan atau sebagai metode alternatif dalam mengumpulkan data statistik untuk pengambilan keputusan rekaya lalu lintas yang efisien. Pada penilitian ini, dibuat sistem deteksi kendaraan berbasis video lalu lintas untuk jenis kendaraan tertentu dengan menggunakan Haar Cascade Classifier dan estimasi kecepatan kendaraan dilakukan dengan menghitung perbedaan waktu pada Region of Interest (ROI) yang telah ditentukan dan hasilnya akan ditampilkan pada Radar Speed Design. Pengujian dilakukan dengan 5 video pengujian. Hasil yang didapatkan dari deteksi kendaraan yaitu nilai rata-rata recall 0.988 dan presisi 0.97 dan dari perhitungan kecepatan didapatkan nilai Mean Squared Error (MSE) yaitu 0,6.
Association Rule Integrasi Pendekatan Metode Custom Hashing dan Data Partitioning untuk Mempercepat Proses Pencarian Frekuensi Item-set pada Algoritma Apriori Moch. Syahrir; Fatimatuzzahra Fatimatuzzahra
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 20 No 1 (2020)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (649.108 KB) | DOI: 10.30812/matrik.v20i1.833

Abstract

Data mining dengan peran asosiasi sudah banyak digunakan oleh dunia usaha, salah satu algoritma yang sering digunakan untuk aturan asosiasi adalah apriori. Namun apriori memiliki kelemahan dalam hal performa, karena pada setiap penentuan frequent k-itemset harus melakukan scan database. Hal ini akan menjadi masalah apabila kandidat k-itemset memiliki dimensi yang banyak. proses scan database yang besar akan memakan waktu yang lama dan berpengaruh pada penggunaan memori dan prosesor. Apriori sudah sering dikembangkan, salah satu yang populer adalah Frequent Pattern (fp-growth), apriori dan fp-growth sama-sama merupakan algoritma untuk aturan asosiasi, hanya saja fp-growth menggunakan pendekatan yang berbeda dengan apriori yakni menggunakan pendekatan Frequent Pattern Tree (fp-tree). Meski fp-growth memiiki performa yang bagus ketika scan database namun rules yang di hasilkan oleh fp-growth tidak sebaik yang di hasilkan oleh apriori. Alternatif lain yang bisa digunakan adalah metode hashing, hal ini bisa menjadi solusi untuk mengatasi masalah dalam proses pencarian dan penentuan frequent k-itemset, sehingga proses scan database bisa lebih cepat. Tujuan penelitian adalah memperbaiki kinerja apriori dalam proses pencarian frekuensi itemset sehingga waktu scan database bisa lebih cepat