Analisa Perbandingan Klasifikasi Objek Manusia Menggunakan Algoritma Histogram of Oriented Gradient (HOG) dan Gaussian Mixture Model (GMM)

Authors

  • Yolinda Fatimah Munawaroh Program Studi Pascasarjana, Fakultas Teknik Informatika, Universitas Pamulang

Keywords:

Klasifikasi Objek Manusia, Histogram of Oriented Gradient, Gaussian Mixture Model

Abstract

Pemantauan aktivitas manusia di dalam maupun di luar ruangan menjadi topik menarik selama pandemi SARS-CoV-2 pada tahun 2019. Berbagai metodologi digunakan untuk membantu mengurangi kemungkinan penyebaran virus, dua diantara metodologi yang banyak digunakan dalam pendeteksian objek manusia yakni klasifikasi menggunakan algoritma Histogram of Oriented Gradient (HOG) dan Gaussian Mixture Model (GMM). Pada penulisan ini, penulis mencoba melakukan analisa perbandingan klasifikasi objek menggunakan kedua algoritma dan menemukan bahwa algoritma Histogram of Oriented Gradient (HOG) memiliki tingkat akurasi yang lebih baik dalam pendeteksian objek sebanyak 94.8%, sedangkan Gaussian Mixture Model (GMM) dengan akurasi deteksi rata-rata 88.4%.

References

[1] N. Hastuti and S. N. Djanah, “STUDI TINJAUAN PUSTAKA: PENULARAN DAN PENCEGAHAN PENYEBARAN COVID-19,” -Nadaa J. Kesehat. Masy., vol. 7, no. 2, p. 70, Dec. 2020, doi: 10.31602/ann.v7i2.2984.

[2] A. E. F. Anatasya, P. Wahyuningsih, and A. Jalil, “IMPLEMENTASI METODE BINARY IMAGE COMPARISON DALAM MEMANTAU JUMLAH PENGUNJUNG PADA RUANG PUBLIK BERBASIS CITRA,” J. Elektro Luceat, vol. 8, no. 2, Nov. 2022.

[3] Y. A. Mulyono and D. Setiadikarunia, “Pendeteksi Posisi Keberadaan Manusia dalam Ruangan Menggunakan Metode Perbedaan Citra dengan Sensor Webcam,” TELKA - Telekomun. Elektron. Komputasi Dan Kontrol, vol. 5, no. 1, pp. 1–14, May 2019, doi: 10.15575/telka.v5n1.1-14.

[4] S. Rostianingsih, R. Adipranata, and F. S. Wibisono, “ADAPTIVE BACKGROUND DENGAN METODE GAUSSIAN MIXTURE MODELS UNTUK REAL-TIME TRACKING,” J. Inform., vol. 9, no. 1, pp. 68–77, Jan. 2009, doi: 10.9744/informatika.9.1.68-77.

[5] H. A. Al-Mujadidi, “REAL TIME CCTV DETEKSI MANUSIA DENGAN SISTEM VIRTUAL LINE,” E-Proceeding Eng., vol. Vol.6, No.3, p. 10120, Desember 2019.

[6] D. H. Prakoso, B. Purnama, and F. Sthevanie, “Penghitungan Orang dengan Metode Gaussian Mixture Model dan Human Presence Map,” E-Proceeding Eng., vol. Vol.2, No.1, p. 1562, Apr. 2015.

[7] M. H. B. Pratama and A. Hidayatno, “APLIKASI DETEKSI GERAK PADA KAMERA KEAMANAN MENGGUNAKAN METODE BACKGROUND SUBTRACTION DENGAN ALGORITMA GAUSSIAN MIXTURE MODEL,” TRANSIENT, vol. VOL. 6, NO. 2, p. 247, Jun. 2017.

[8] Haryansyah and Y. Kristian, “DETEKSI DAN PENGHITUNGAN MANUSIA PADA VIDEO PENGUNJUNG INSTANSI PEMERINTAH DI TARAKAN MENGGUNAKAN METODE HISTOGRAM OF ORIENTED GRADIENTS,” Semin. Nas. “Inovasi Dalam Desain Dan Teknol. - IDeaTech 2015, 2015.

[9] R. Ummami and B. Winarno, “Gaussian Mixture Model dengan Algoritme Expectation Maximization untuk Pengelompokan Data Distribusi Air Bersih di Jawa Barat,” RISMA Pros. Semin. Nas. Mat., vol. 6, 2023.

[10] M. S. ANGGREANY, “Confusion Matrix,” Confusion Matrix. https://socs.binus.ac.id/2020/11/01/confusion-matrix/

Downloads

Published

2023-12-01

How to Cite

Munawaroh, Y. F. (2023). Analisa Perbandingan Klasifikasi Objek Manusia Menggunakan Algoritma Histogram of Oriented Gradient (HOG) dan Gaussian Mixture Model (GMM). Prosiding Seminar Kecerdasan Artifisial, Sains Data, Dan Pendidikan Masa Depan, 1, 198–202. Retrieved from https://openjournal.unpam.ac.id/index.php/PROKASDADIK/article/view/38559

Issue

Vol. 1 (2023): Edisi: Desember 2023

Section

Articles

License

Copyright (c) 2023 Yolinda Fatimah Munawaroh

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.