REAL TIME OBJECT DETECTION MENGGUNAKAN FAST R-CNN

Salsabila Tsamrotul  Qolbi; Fitto Martcellindo; I Wayan Ardika Chandra; Naufal Adli; Ni Putu Dela Puspita; Abdul Haris

doi:10.33365/teknoinfo.v19i2.42

Salsabila Tsamrotul Qolbi Institut Teknologi PLN
Fitto Martcellindo Institut Teknologi PLN
I Wayan Ardika Chandra Institut Teknologi PLN
Naufal Adli Institut Teknologi PLN
Ni Putu Dela Puspita Institut Teknologi PLN
Abdul Haris Institut Teknologi PLN

DOI: https://doi.org/10.33365/teknoinfo.v19i2.42

Keywords: Android Apps, Kotlin, Fast R-Cnn, Deteksi Objek

Abstract

Teknologi komputasi cerdas telah menjadi dasar utama dalam berbagai inovasi, termasuk pengembangan sistem deteksi objek. Dalam penelitian ini, dirancang sebuah sistem deteksi objek berbasis algoritma Fast Region-based Convolutional Neural Network (Fast R-CNN). Metode ini dipilih karena kemampuannya yang unggul dalam kecepatan dan akurasi deteksi dibandingkan dengan algoritma sebelumnya. Dengan mengintegrasikan proses ekstraksi fitur dan klasifikasi secara langsung, metode Fast R-CNN mampu menghasilkan deteksi yang lebih efisien. Pengujian dilakukan menggunakan dataset objek dengan variasi pencahayaan, sudut pandang, dan ukuran objek. Hasilnya menunjukkan bahwa metode ini mampu mendeteksi objek dengan tingkat akurasi yang tinggi. Kecepatan pemrosesan yang dimiliki Fast R-CNN menjadikannya cocok untuk pengujian dataset secara real-time dalam aplikasi seperti keamanan, pengawasan, dan sistem otonom. Dengan pendekatan ini, penelitian ini diharapkan dapat memberikan kontribusi nyata dalam pengembangan teknologi deteksi objek yang lebih andal dan efektif di berbagai bidang kehidupan.

References

J. PARDEDE and H. HARDIANSAH, “Deteksi Objek Kereta Api menggunakan Metode Faster R-CNN dengan Arsitektur VGG 16,” MIND J., vol. 7, no. 1, pp. 21–36, 2022, doi: 10.26760/mindjournal.v7i1.21-36.

R. World and D. Image, “What is Object ?,” 2020, [Online]. Available: https://www.mathworks.com/discovery/object-detection.htm

C. Baretina, S. Saripudin, R. Listiana, and E. Damayanti, “Rancang Bangun Sistem Smart Door Lock Menggunakan Deteksi Wajah,” J. Informatics Electron. Eng., vol. 01, no. 02, pp. 42–48, 2021.

D. T. Devi, V. A. Santos, and P. Rosyani, “Analisa Penggunaan Metode Faster R-CNN dalam Pengenalan Wajah: Systematic Literature Review,” Bul. Ilm. Ilmu Komput. dan Multimed., vol. 1, no. 1, pp. 258–262, 2023, [Online]. Available: https://jurnalmahasiswa.com/index.php/biikma

Honainah, “Penerapan Metode Faster Region Convolutional Neural Network (Faster R-CNN) Untuk Deteksi Otomatis Interaksi Laki-Laki dan Perempuan,” Nusant. J. Comput. Its Appl., vol. 7, no. 1, pp. 1–10, 2022.

M. Y. A. Thoriq, I. A. Siradjuddin, and K. E. Permana, “Deteksi Wajah Manusia Berbasis One Stage Detector Menggunakan Metode You Only Look Once (Yolo),” J. Teknoinfo, vol. 17, no. 1, p. 66, 2023, doi: 10.33365/jti.v17i1.1884.

J. I. Komputasi, V. No, M. Ssd, V. Mobilenet, and S. Model, “Pembuatan Aplikasi Deteksi Objek Menggunakan TensorFlow Object Detection API dengan Memanfaatkan SSD MobileNet V2 Sebagai Model Pra - Terlatih,” J. Ilm. Komputasi, vol. 19, no. 3, pp. 421–430, 2020, doi: 10.32409/jikstik.19.3.68.

Muhammad Fernanda Naufal Fathoni, Eva Yulia Puspaningrum, and Andreas Nugroho Sihananto, “Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM,” Modem J. Inform. dan Sains Teknol., vol. 2, no. 3, pp. 62–76, 2024, doi: 10.62951/modem.v2i3.112.

Suripto, R. N. Rahmanita, and A. S. Kirana, “Teknik pre-processing dan classification dalam data science,” Binus Univercity Graduate Program. [Online]. Available: https://mie.binus.ac.id/2022/08/26/teknik-pre-processing-dan- classification-dalam-data-science/#:~:text=Pengertian lain menyebutkan bahwa data,awal sebelum melakukan data mining.

S. Hanyfah, G. R. Fernandes, and I. Budiarso, “Penerapan Metode Kualitatif Deskriptif Untuk Aplikasi Pengolahan Data Pelanggan Pada Car Wash,” Semnas Ristek (Seminar Nas. Ris. dan Inov. Teknol., vol. 6, no. 1, pp. 339–344, 2022, doi: 10.30998/semnasristek.v6i1.5697.

M. Tamba, “Analisis dan Implementasi Teknologi Deep Learning dalam Pengolahan Citra Digital,” pp. 1–7.

S. T. E. Putri and A. Fahrurozi, “Pendeteksian Objek Pada Citra Hewan Karnivora Dan Herbivora Menggunakan Faster R-Cnn,” J. Ilm. Inform. Komput., vol. 27, no. 1, pp. 32–42, 2022, doi: 10.35760/ik.2022.v27i1.5858.