http://jcenim.com/index.php/jcenim/issue/feedJournal of Computer Engineering, Network, and Intelligent Multimedia2023-03-10T15:41:24+07:00Eko Mulyanto Yuniarnoekomulyanto@ee.its.ac.idOpen Journal Systems<p>JCENIM is a peer-reviewed open-access journal dedicated to interchange for the results of high-quality research in all aspect of Computer Engineering, Network and Intelligent Multimedia . The journal publishes state-of-art papers in fundamental theory, experiments, and simulation, as well as applications, with a systematic proposed method, sufficient review on previous works, expanded discussion, and concise conclusion. As our commitment to the advancement of science and technology, the JCENIM follows the open access policy that allows the published articles freely available online without any subscription. Submitted papers must be written in English for initial review stage by editors and further review process by minimum two reviewers.</p>http://jcenim.com/index.php/jcenim/article/view/2Sistem Deteksi Marka Jalan Berbasis Convolutional Neural Network2023-02-10T14:57:23+07:00Oddy Virgantara Putraoddyvirga@gmail.comIrfan Nanda Gustriirfan@gmail.com<p>Keselamatan dalam berkendara sangatlah penting. Akan tetapi pengendara kurang begitu peduli dengan jalanan, salah satunya marka jalan yang bisa mengakibatkan hal yang tidak diinginkan seperti kecelakaan hingga kemacetan lalu lin- tas. Dengan begitu perlunya pengingat agar pengemudi bisa mengambil tindakan pencegahan, seperti mendeteksi marka yang ada di jalan yang berguna untuk mengontrol dan mempertim- bangkan posisi kendaraan. Deteksi marka jalan yang menggu- nakan Convolutional Neural Network (CNN) sebagai pengindraan kondisi marka jalan sehingga dapat membaca objek badan marka jalan yang mendeteksi dan mengenali bentuk yang ditangkap menggunakan kamera, lalu citra tersebut diterima pada input, diproses, dan output, yang diolah dalam dua dimensi hingga menghasilkan proses yang diharapkan. Library yang digu- nakan pada bidang CNN ini menggunakan TensorFlow, dibantu dengan algoritma You Only Look Once (YOLO). TensorFlow dan YOLO digunakan untuk mengeksekusi perintah dan mengenali objek yang berbeda. Dengan begitu diharapkan kesalahan yang terjadi di lalu lintas semakin kecil.</p>2023-02-10T00:00:00+07:00Copyright (c) 2023 JCENIMhttp://jcenim.com/index.php/jcenim/article/view/4Estimasi Panjang Antrean Kendaraan pada Persimpangan Jalan Raya dengan Sensor Kamera Menggunakan Metode Queue Length Estimation 2023-02-10T15:01:18+07:00Riandini Riandiniriandini@gmail.comDwi Kuncorodwi09@mhs.ee.its.ac.id<p>Kemacetan sering terjadi di kota besar, terutama di persimpangan yang dekat dengan pusat keramaian. Ruas jalan yang satu memiliki kepadatan yang berbeda dengan ruas lain, sehingga dibutuhkan adanya sistem lampu lalu-lintas cerdas yang bisa beradaptasi terhadap perbedaan kepadatan di tiap ruas pada suatu persimpangan. Pada penelitian ini, dibangun sebuah sistem untuk melakukan estimasi panjang antrean di persimpangan, kemudian data tersebut dapat digunakan untuk membangun sistem lalu-lintas cerdas yang adaptif terhadap kondisi kepadatan di tiap ruas jalan pada persimpangan tersebut.</p>2023-02-10T00:00:00+07:00Copyright (c) 2023 JCENIMhttp://jcenim.com/index.php/jcenim/article/view/5Deteksi Lampu Lalu Lintas Menggunakan YOLO untuk Autonomous Car2023-02-10T15:14:39+07:00Dedy Hidayat Kusumadedyhidayat@gmail.comMauizah MauizahMauizah@gmail.com<p>Autonomous car adalah pengembangan dari teknologi mobil dengan berbagai fitur pintar yang dilengkapi pada mobil tersebut. Salah satu fitur yang perlu dikembangkan adalah deteksi lampu lalu lintas.Dalam fitur ini Autonomous Car harus dapat mengenali letak dan warna lampu lalu lintas. Pada tugas akhir ini akan dikembangkan sebuah sistem pendeteksian letak dan warna lampu lalu lintas untuk keamanan Autonomous Car, sehingga Autonomous Car dapat berhenti saat lampu berwarna merah, mengurangi kecepatan saat lampu berwarna kuning dan jalan saat lampu berwarna hijau. Dengan menggunakan sensor kamera dan metode YOLO akan dapat mengenali lampu lalu lintas dan diklasifikasikan menurut fungsinya, Dari hasil klasifikasi ini menghasilkan respon yang sesuai dengan perintah lampu lalu lintas yang sudah ada pada Autonomous Car.</p>2023-02-10T00:00:00+07:00Copyright (c) 2023 JCENIMhttp://jcenim.com/index.php/jcenim/article/view/6Pengembangan Mobile Aplikasi untuk Penderita Epilepsi Menggunakan Sinyal EEG dan Sinyal ECG2023-02-10T15:19:34+07:00Arik Kurniawatiarikkur@gmail.comHudan Akbarhudanakbar@gmail.com<p>Epilepsi merupakan salah satu jenis penyakit yang disebabkan oleh adanya suatu gangguan sistem saraf pusat, yaitu bentuk penyimpangan aktifitas kelistrikan pada otak manusia. Bentuk aktivitas kelistrikan tersebut dapat dilihat dan direkam dengan menggunakan suatu alat yang bernama electroencephalograph (EEG). Saat ini mobile aplikasi sedang digunakan untuk memecahkan permasalahan kehidupan sehari hari pada manusia. Mobile aplikasi juga memiliki peran dalam ilmu kesehatan untuk meningkatkan cara perawatan secara terus menerus. Epilepsi adalah gangguan yang mempengaruhi 5 persen dari dunia populasi, oleh karena itu kebutuhan untuk mengembangkan aplikasi yang efisien untuk memonitoring perilaku pasien pasien epilepsi serta mengirim pembaruan langsung ke pihak pihak terkait yang bersangkutan dengan membantu pada penderita epilepsi. Untuk dapat membedakan ketiga fase tersebut, umumnya dibaca melalui sinyal EEG. Epilepsi menyebabkan kejang berulang yang merugikan dan mempengaruhi pasienya. Adapun kejang yang sangat berbahaya dan umum terjadi dengan menyentak dan kejangkejang kaku sehingga terkadang membuat jatuh. Mobile aplikasi yang digunakan yaitu untuk menampilkan data rekaman sinyal EEG dan Sinyal ECG. Mobile aplikasi dapat digunakan sebagai sarana untuk berkomunikasi dengan pihak pihak terkait. Dalam Mobile aplikasi akan menampilkan beberapa fitur yang akan berguna untuk menunjang komunikasi pada pihak pihak terkait seperti: fitur chat secara Realtime, membaca serta memberikan masukan pada pasien terkait kondisi pembacaan sensor dan juga konsultasi online dengan beberapa pertanyaan umum terkait penderita epilepsi yang sudah disediakan untuk dibaca oleh dokter.</p>2023-02-10T00:00:00+07:00Copyright (c) 2023 JCENIMhttp://jcenim.com/index.php/jcenim/article/view/7Detecting Potholes Using Deep Learning2023-02-10T15:23:33+07:00Moh Nur Shodiqshodiq@gmail.comYoga T P Penangsang yoga.penangsang@gmail.com<p>Jalan merupakan kebutuhan manusia yang sangat penting bagi kita sebagai manusia yang beraktifitas, jalan merupakan akses menuju tujuan yang kita inginkan. Melihat jumlah penduduk Indonesia yang terus bertambah sehingga penggunaan jalan sangat penting untuk diperhatikan. Salah satu masalah yang sering dihadapi pengendara di Indonesia adalah jalan berlubang, hal ini disebabkan semakin banyaknya kendaraan bermotor yang lalu lalang. Dengan adanya lubang menyebabkan aktivitas terganggu hingga menimbulkan kecelakaan. Pada penelitian ini dirancang sebuah sistem untuk mendeteksi lubang. Hal ini dilakukan dengan menggunakan kamera yi cam yang ditempatkan pada kap mobil dengan ketinggian 70cm menghadap ke jalan. Data yang diperoleh berupa video dan dari video akan diekstraksi menjadi citra, hal ini merupakan proses akuisisi data. Pembuatan bounding box merupakan langkah selanjutnya setelah proses akuisisi data dilakukan. Dari citra yang terkumpul akan diberi label sesuai dengan lubangnya dan akan dilanjutkan dengan proses pelatihan. Hasil yang akan didapatkan setelah dilakukan proses adalah video deteksi jalan berlubang. Video tersebut memperlihatkan akan ada kotak-kotak pembatas sebagai tanda adanya lubang di jalan tersebut.</p>2023-02-10T00:00:00+07:00Copyright (c) 2023 JCENIM