Deteksi Image Bersasis Mobile
DOI:
https://doi.org/10.29407/9xkpwd88Keywords:
algoritma, citra, deteksi, mobileAbstract
Kemajuan teknologi mobile membuka peluang baru dalam pengolahan citra secara cepat dan efisien. Penelitian ini bertujuan untuk mengembangkan sistem deteksi citra berbasis mobile yang dapat diimplementasikan pada perangkat pintar dengan keterbatasan sumber daya. Metode yang digunakan melibatkan algoritma deep learning dengan model arsitektur ringan yang dioptimalkan untuk platform mobile. Dataset citra yang digunakan terdiri dari berbagai kategori, dengan proses pelabelan untuk pelatihan dan validasi model. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan mampu mendeteksi objek dengan tingkat akurasi rata-rata 92%, waktu respon kurang dari 1 detik per citra, dan kompatibilitas tinggi pada perangkat dengan spesifikasi menengah ke bawah. Temuan ini menegaskan bahwa deteksi citra berbasis mobile dapat memberikan solusi praktis untuk berbagai aplikasi, termasuk keamanan, pendidikan, dan hiburan. Penelitian ini memberikan kontribusi signifikan dalam memperluas penerapan teknologi deteksi citra di lingkungan mobile, terutama untuk memenuhi kebutuhan pengguna akan efisiensi dan portabilitas.
Downloads
References
r. r. roy, “deep learning,” networked artif. intell., no. november, pp. 83–98, 2024, doi: 10.1201/9781003499466-10.
m. luthfi bangun permadi and r. gumilang, “penerapan algoritma cnn (convolutional neural network) untuk deteksi dan klasifikasi target militer berdasarkan citra satelit,” j. sos. teknol., vol. 4, no. 2, pp. 134–143, 2024, doi: 10.59188/jurnalsostech.v4i2.1138.
u. gupta, n. paluru, d. nankani, k. kulkarni, and n. awasthi, “a comprehensive review on efficient artificial intelligence models for classification of abnormal cardiac rhythms using electrocardiograms,” heliyon, vol. 10, no. 5, p. e26787, 2024, doi: 10.1016/j.heliyon.2024.e26787.
n. alfitriani, w. a. maula, and a. hadiapurwa, “penggunaan media augmented reality dalam pembelajaran mengenal bentuk rupa bumi,” j. penelit. pendidik., vol. 38, no. 1, pp. 30–38, 2021, doi: 10.15294/jpp.v38i1.30698.
angelia cristine jiantono, “mengenal deep learning beserta contoh penerapannya,” binus. accessed: jan. 11, 2025. [online]. available: https://sis.binus.ac.id/2023/07/18/mengenal-deep-learning-beserta-contoh-penerapannya/?utm_source=chatgpt.com
unmaha, “mendalam dalam dunia deep learning dengan tensorflow dan keras,” universitas mahakarya asia. accessed: jan. 11, 2025. [online]. available: https://blog.unmaha.ac.id/mendalam-dalam-dunia-deep-learning-dengan-tensorflow-dan-keras/
b. a. b. ii and l. teori, “bab ii landasan teori,” pp. 10–41, 2012, [online]. available: https://elib.unikom.ac.id/files/disk1/618/jbptunikompp-gdl-ratihfauza-30898-9-unikom_r-i.pdf
andri heru saputra and dhomas hatta fudholi, “realtime object detection masa siap panen tanaman sayuran berbasis mobile android dengan deep learning,” j. resti (rekayasa sist. dan teknol. informasi), vol. 5, no. 4, pp. 647–655, 2021, doi: 10.29207/resti.v5i4.3190.
h. a. aqsha, h. afrisal, d. t. elektro, f. teknik, and u. diponegoro, “perancangan sistem obstacle avoidance berbasis deep learning dan sistem navigasi autonomous mobile robot ( amr ),” vol. 13, no. 4, pp. 158–167, 2024.
muhammad roby, “rancangan aplikasi deteksi penyakit diabetes melitus berbasis mobile menggunakan metode agile,” j. santi - sist. inf. dan tek. inf., vol. 3, no. 1, pp. 38–46, 2023, doi: 10.58794/santi.v3i1.215.
j. arifianto and i. muhimmah, “aplikasi web pendeteksi jerawat pada wajah menggunakan algoritma deep learning dengan tensorflow,” j. autom., pp. 21–29, 2021.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Mealdi Arwintoro Darmaji, Shania Dila Vanesa
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
