Article Per Year (5 Year)
p-Index From 2019 - 2024
3.817
P-Index
This Author published in this journals
All Journal Jurnal Teknoin Jurnal Teknologi INFORMAL: Informatics Journal Proceeding SENDI_U Sebatik Jurnal Sisfokom (Sistem Informasi dan Komputer) AMALIAH: JURNAL PENGABDIAN KEPADA MASYARAKAT JMAI (Jurnal Multimedia & Artificial Intelligence) Jurnal Teknologi Dan Sistem Informasi Bisnis Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Pengabdian Nasional (JPN) Indonesia Jurnal Teknik Informatika (JUTIF) Jurnal Pendidikan dan Teknologi Indonesia Konstelasi: Konvergensi Teknologi dan Sistem Informasi Jurnal Sains dan Teknologi Journal Of Information System And Artificial Intelligence Jurnal Pengabdian Nasional (JPN) Indonesia
Agus Sidiq Purnomo
Universitas Mercu Buana Yogyakarta
Religion Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Sisfokom (Sistem Informasi dan Komputer)

 1 
Multi-Scale Convolutional Networks untuk Pengenalan Rambu Lalu Lintas di Indonesia Mutaqin Akbar; Agus Sidiq Purnomo; Supatman Supatman
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol 11, No 3 (2022): NOVEMBER
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v11i3.1452

Abstract

Teknologi pengenalan rambu lalu lintas yang sering disebut dengan traffic sign recognition (TSR), digunakan untuk mengenali rambu lalu lintas melalui pemanfaatan pengolahan citra. TSR sendiri dapat diaplikasikan pada sistem pembantu pengemudi, sistem pembantu pengemudi tingkat lanjut, sistem mengemudi otonom, keamanan jalan raya, pemahaman suasana perkotaan, dan pemantauan rambu untuk kepentingan perawatan. Perbaruan dari pengenalan rambu lalu lintas di Indonesia menggunakan multi-scale convolutional neural network (CNN) telah disajikan pada artikel ini. Dataset yang digunakan pada penelitian ini berjumlah 2050 data citra rambu lalu lintas yang dikelompokkan kedalam 10 kelas. Model CNN terdiri dari tiga lapisan konvolusi berukuran 3x3, tiga lapisan penggabungan (Maxpool) berukuran 2x2 dan satu lapisan fully-connected yang memanfaatkan fungsi aktivasi Softmax. Jumlah filter yang digunakan pada setiap lapisan konvolusi adalah 32. Algoritma pelatihan yang digunakan yaitu Stochastic gradient descent (SGD). Dengan menggunakan 1750 data citra latih, nilai epoch 20, dan laju pelatihan 0,005, nilai galat dan nilai akurasi yang didapatkan pada tahap pelatihan adalah masing-masing 0,0026 dan 100%. Sedangkan pada tahap pengujian, dengan 300 data citra uji, model CNN mampu memperoleh nilai galat 0,017 dan nilai akurasi mencapai 99,67%.
Co-Authors Ade Fitriadin Alfian Romadhon Anief Fauzan Rozi Anief Fauzan Rozi Anief Fauzan Rozi Arif Wiji Setiyanto Arifi Zulaika Aris Susanto Bagas Irvan Bagaskara Berita Estu Widodo Dany Suktiawan Irman Fiano Emi Agustina Erlangga Samudera Kencana Fernando Bayu Andika Ficky Septian Ali Gita Prastianingrum Indah Susilawati Ismunu, R. Sumarwan Jevi Ariyanti M. Ridwan Nur Septian Mutaqin Akbar Muthia Gidriani Maelan Nadafi'ah Hari Fitri Natalia Anjela Sagat Nisriina Nuur Hasanah Octy Kartika Dewi Putri, Novita Anggraini Rahmandhita Fikri Sannawira Rahmandhita Fikri Sannawira, Rahmandhita Fikri Robi Adi Saputra Subardjo, Ratna Yunita Setiyani Supatman Supatman Widatin Mayasari Yasser Yazid Mohammad