Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Sebatik
Ericks Rachmat Swedia
Informatika, Universitas Gunadarma
Computer Science & IT

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

Found 2 Documents
Search

 1 
SISTEM IDENTIFIKASI WARNA TANAH MUNSELL MENGGUNAKAN SENSOR WARNA TCS3200 DAN KELEMBABAN YL-69 Missa Lamsani; Restu Adeline Pangestika; Margi Cahyanti; Ericks Rachmat Swedia
Sebatik Vol. 27 No. 1 (2023): Juni 2023
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46984/sebatik.v27i1.2249

Abstract

Tanah merupakan salah satu sumber daya yang penting bagi kehidupan di Bumi. Tanah menyediakan air, udara serta nutrisi yang dibutuhkan oleh Bumi. Berdasarkan sudut pandang penggunaan lahan untuk kebutuhan pertanian dan produksi biomassa, sumber daya lahan dapat menghasilkan makanan, pakan, pakaian, tempat tinggal dan bio energi yang dapat mendukung keberlangsungan kehidupan Manusia. Tanah memiliki banyak bentuk dan memiliki fitur sendiri yang menentukan kekuatan dan kelemahan dalam pemanfaatan yang berbeda. Salah satu sifat yang paling sering digunakan oleh para peneliti untuk menggambarkan dan mengklasifikasikan tanah berdasarkan warna. Pengklasifikasian jenis tanah yang biasa digunakan yaitu bagan warna tanah Munsell dengan 238 warna standar berbentuk chip persegi panjang. Namun, proses pencocokan sampel dengan chip warna bergantung pada keterampilan pengamatan subjektif dari pengguna. Saat era modern ini, kemajuan teknologi berkembang semakin pesat. Salah satunya (IoT) dapat digunakan sebagai media pendukung. Penelitian ini bertujuan untuk mengkonversi nilai warna RGB tanah menjadi nilai HCV Munsell, hasil konversi nilai tersebut. Perancangan sistem ini dengan mengambil nilai warna RGB pada tanah yang dikirimkan melalui Application Programming Interface (API), di dalam API melakukan konversi nilai RGB ke nilai HVC Munsell, lalu hasil tersebut ditampilkan pada layar LCD 20x4. Pemilihan LCD 20x4 sebagai output agar memudahkan pengguna agar tidak perlu repot membawa gawai saat menggunakannya langsung di lapangan. Uji coba pada penelitian menggunakan tiga jenis tanah yang berbeda dengan percobaan sepuluh kali pada jenis tanah masing-masing.
SISTEM PENDETEKSI PLAT NOMOR POLISI KENDARAAN DENGAN ARSITEKTUR YOLOV8 Lejar Satya; M Ridwan Dwi Septian; Mochammad Wisuda Sarjono; Margi Cahyanti; Ericks Rachmat Swedia
Sebatik Vol. 27 No. 2 (2023): Desember 2023
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46984/sebatik.v27i2.2374

Abstract

Nomor polisi kendaraan bermotor merupakan ciri atau tanda pengenal dari suatu kendaraan yang diberikan oleh kepolisian. Setiap kendaraan bermotor memiliki nomor yang berbeda-beda. bahkan setiap daerah memiliki kode nomor polisi yang berbeda-beda. Nomor polisi setiap kendaraan biasanya dicantumkan pada sebuah plat. Tanda Nomor Kendaraan Bermotor (TNKB) atau sering disebut plat nomor atau nomor polisi (Nopol) adalah salah satu jenis identifikasi yang diberikan kepada setiap kendaraan bermotor. Pengenalan otomatis plat nomor polisi kendaraan memiliki peran yang sangat penting dalam pengaturan lalu lintas, aspek keamanan, serta pengelolaan transportasi. Kemajuan signifikan dalam bidang ini telah tercapai melalui penggunaan teknik deep learning, terutama dengan adopsi arsitektur YOLOv8 (You Only Look Once) dalam mendeteksi objek. Penelitian ini difokuskan pada penerapan YOLOv8 dalam sistem pendeteksian plat nomor polisi kendaraan secara otomatis, dengan tujuan meningkatkan ketepatan dalam pengenalan karakter plat nomor polisi dengan menggunakan metode PaddleOCR. Dengan memanfaatkan YOLOv8, model telah berhasil dikembangkan dengan kemampuan untuk mengidentifikasi berbagai jenis kendaraan dan plat nomor polisi dengan tingkat akurasi yang signifikan. Skor precision sebesar 0,871 menggambarkan akurasi model dalam mengidentifikasi objek, sedangkan nilai recall sebesar 0,85 menunjukkan kemampuan model dalam mengambil kembali objek yang relevan. Selain itu, penggunaan PaddleOCR dalam proses pengenalan karakter pada plat nomor polisi juga memberikan hasil yang positif, bahkan pada gambar yang mengalami distorsi atau memiliki kualitas gambar yang rendah.
Co-Authors Lejar Satya M Ridwan Dwi Septian Margi Cahyanti Missa Lamsani Mochammad Wisuda Sarjono Restu Adeline Pangestika