Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Jurnal Simantec SinarFe7
Indana Nihayatul Husna
Universitas Trunojoyo Madura
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

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

Found 2 Documents
Search

 1 
Rancang Bangun Sistem Deteksi Dan Perhitungan Jumlah Orang Menggunakan Metode Convolutional Neural Network (CNN) Indana Nihayatul Husna; Miftachul Ulum; Adi Kurniawan Saputro; Haryanto; Deni Tri Laksono; 6Dian Neipa Purnamasari
SinarFe7 Vol. 5 No. 1 (2022): SinarFe7-5 2022
Publisher : FORTEI Regional VII Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (827.959 KB)

Abstract

Currently, technology is progressing very rapidly in various fields. One area of ​​technology that is multiplying is the field of electronics. Everyone wants a comfortable and straightforward process in every activity. Indoor people counting is developing as a novelty in video surveillance. Generally, security monitoring systems use CCTV cameras. The use of cameras can be used for monitoring the number of people (people counter). The working principle of this tool is to detect objects in the room that are processed by the camera. The camera will then be processed using the CNN (Convolutional Neural Network) algorithm to detect and count the number of people in the room based on the images of people's faces and or heads. To detect images of people's faces and heads using selective search to obtain image regions which are then used as CNN input. In this case, the region is used to determine the possibility of object images. The results of the classification calculation of the number of people from the CNN method will later be forwarded to the GUI to process data using Visual Studio Code. From the processing of data from the GUI, then the data will be displayed on the monitor.
SISTEM DETEKSI DAN PERHITUNGAN JUMLAH MANUSIA DALAM RUANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK Deni Tri Laksono; Indana Nihayatul Husna; Miftachul Ulum; Adi Kurniawan Saputro; Monika Faswia Fahmi; Dian Neipa Purnamasari
Jurnal Simantec Vol 11, No 1 (2022): Jurnal Simantec Desember 2022
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v11i1.19745

Abstract

Perkembangan teknologi yang pesat di bidang elektronik memberikan dampak positif dalam berbagai aspek kehidupan manusia, salah satunya dalam bidang monitoring atau pengawasan keamanan. Pekerjaan untuk menghitung jumlah pengunjung dalam suatu ruangan sangat mudah apabila dilakukan dalam skala yang kecil, namun akan menjadi sulit apabila perhitungan tersebut dilakukan pada skala yang besar. Dengan memanfaatkan teknologi pada bidang computer vision yaitu deep learning, penelitian ini bertujuan untuk mendeteksi dan menghitung jumlah manusia (people counter) secara otomatis. Pada penelitian ini menggunakan algoritma dari deep learning yaitu metode Convolutional Neural Network (CNN). Penelitian dilakukan menggunakan kamera secara real time Berdasarkan hasil pengujian, metode CNN dapat mendeteksi objek manusia dengan tingkat akurasi sebesar 86%, sistem dapat menghitung jumlah objek manusia dengan tingkat akurasi sebesar 62% dengan kondisi yang berbeda-beda seperti intensitas cahaya dan sudut kamera dalam pengambilan pengujian. Sedangkan tingkat akurasi jumlah orang yang masuk, keluar dan jumlah orang dalam ruangan dengan hasil data reporting yang disimpan dalam bentuk file .csv memiliki tingkat akurasi sebesar 73% ketika orang masuk, 64% ketika orang keluar dan 62% ketika orang dalam ruangan. Selain itu, sistem menghasilkan nilai akurasi sebesar 100% dalam menghitung jumlah orang dan memberikan output ruangan penuh ketika dalam ruangan melebihi nilai batas.Kata kunci : pemantauan; kamera; real-time; CNN; people counter
Co-Authors 6Dian Neipa Purnamasari Adi Kurniawan Saputro Deni Tri Laksono Dian Neipa Purnamasari Haryanto Monika Faswia Fahmi Ulum, Miftachul