TINJAUAN METODE PENGOLAHAN CITRA DIGITAL UNTUK DETEKSI OBJEK OTOMATIS
DOI:
https://doi.org/10.23960/jitet.v13i3.7135Abstract Views: 170 File Views: 95
Keywords:
indonesia, EnglishAbstract
Deteksi objek otomatis merupakan bagian penting dalam pengolahan citra digital yang banyak diaplikasikan dalam bidang keamanan, medis, hingga kendaraan otonom. Penelitian ini bertujuan untuk meninjau dan membandingkan beberapa metode deteksi objek berbasis pengolahan citra digital dengan pendekatan klasik dan deep learning menggunakan Python. Metode klasik yang digunakan adalah Canny Edge Detection dan Template Matching, sedangkan pendekatan modern mencakup YOLOv5. Hasil eksperimen menunjukkan bahwa metode berbasis deep learning memberikan akurasi dan kecepatan deteksi yang lebih baik dibandingkan metode klasik. Evaluasi dilakukan berdasarkan metrik presisi, recall, dan Intersection over Union (IoU).
Downloads
References
D. Putra, Pengolahan Citra Digital, Yogyakarta: Penerbit Andi, 2010.
R. Kusumanto, "PENGOLAHAN CITRA DIGITAL UNTUK MENDETEKSI OBYEK MENGGUNAKAN PENGOLAHAN WARNA MODEL NORMALISASI RGB," Jurnal Semantik, p. 1, 2011.
A. Wibowo and H. Nugroho, "Deteksi Objek Otomatis Menggunakan Metode Template Matching pada Citra Digital," Jurnal Ilmiah Komputer dan Informatika (JIKI), pp. 112-118, 2021.
A. Taufik, "Deteksi Tepi Citra Menggunakan Metode Sobel dan Canny," Jurnal Informatika Universitas Pamulang, pp. 20-28, 2020.
I. Rahmawati and E. Prasetyo, "Deteksi Objek Otomatis Menggunakan YOLOv5 pada Dataset Citra Jalan Raya," Seminar Nasional Teknologi Informasi dan Komunikasi, pp. 155-160, 2022.
R. Putra and R. K. Sari, "Perbandingan Kinerja YOLO dan Faster R-CNN dalam Deteksi Objek pada Citra Outdoor," Jurnal Teknologi dan Sistem Komputer, pp. 118-124, 2021.
A. Firmansyah and A. Widodo, "Optimalisasi Deteksi Objek Menggunakan Pendekatan Klasik dan Modern," Prosiding SNATIF, p. 87–92, 2021.
A. Dewi and E. Yulianto, "Evaluasi Performa Metode Deteksi Objek Berbasis Python Menggunakan Metrik IoU dan Precision," Jurnal Sistem Informasi dan Informatika, pp. 23-31, 2023.
W. Edy, "Aplikasi Deteksi Tepi pada Realtime Videomenggunakan Algoritma Canny Detection," Jurnal Teknologi Informasi DINAMIK, vol. 16, pp. 44-46, 2011.
D. B. Raharja and H. Paulus, "IMPLEMENTASI KOMPRESI CITRA DIGITAL DENGAN MENGATUR KUALITAS CITRA DIGITAL," Jurnal Ilmiah Sinus (JIS), vol. 16, pp. 72-73, 2018.
H. Muchtar and A. Rizky, "Implementasi Pengenalan Wajah PadaSistem Penguncian Rumah dengan Metode Template Matching Menggunakan OpenSourceComputerVisionLibrary(Opencv)," RESISTOR (elektRonika kEndali telekomunikaSI tenaga liSTrik kOmputeR), vol. 2, pp. 40-43.
F. Bimantoro and I. G. Wijaya, "PendeteksianKecurangan Ujian Melalui CCTV MenggunakanAlgoritma YOLOv5," PROSIDING SEMINAR NASIONAL TEKNOLOGI DAN SAINS, pp. 109-111, 2024.
A. Ahmad, "Mengenal Artificial Intelligence, Machine Learning, Neural Network, dan Deep Learning," Yayasan Cahaya Islam, Jurnal Teknologi Indonesia, pp. 3-5, 2017.
Yuliska and K. U. Syaliman, "Literatur Review Terhadap Metode, Aplikasi dan Dataset Peringkasan Dokumen Teks Otomatis untuk Teks Berbahasa Indonesia," IT Journal Research and Development (ITJRD) , pp. 24-25, 2020.
Y. P. Pratama, "ANALISIS DETEKSI TEPI PADA PEMINDAI DOKUMEN MENGGUNAKAN KERTAS THERMAL BERBASIS PYTHON IDE," JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 12, pp. 2819-2820, 2024.
A. Sitohang and I. Taufik, "Pendeteksian Wajah Manusia Pada Citra Digital Menggunakan Template Matching," Jurnal Teknologi dan Ilmu Komputer Prima, vol. 1, pp. 235-240, 2018.
G. A. Pauzi, S. S. W and S. Sahtoni, "Analisis Pemanfaatan Teknik Template Matching pada Sistem Akuisisi dan Pengenalan Karakter Citra Plat Nomor Kendaraan," Jurnal Teori dan Aplikasi Fisika, vol. 1, 2013.
M. Noval and H. Setiawan, "Analisis Perbandingan Algoritma Pendeteksian Objek dalam Pengolahan Citra Digital," Jurnal Komputer Multidisipliner, vol. 7, 2024.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Informatika dan Teknik Elektro Terapan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
