Estimasi Jumlah dan Kepadatan Orang Pada Citra Kerumunan Tunggal Menggunakan Metode Convolutional Neural Network (CNN)

Authors

  • Deu Aldo Dhavicky Dept. Teknik Komputer Institut Teknologi Sepuluh Nopember Surabaya, Indonesia
  • Reza Fuad Rachmadi Dept. Teknik Komputer Institut Teknologi Sepuluh Nopember Surabaya, Indonesia
  • Supeno Mardi Susiki Nugroho Dept. Teknik Komputer Institut Teknologi Sepuluh Nopember Surabaya, Indonesia

DOI:

https://doi.org/10.59378/jcenim.v3i2.74

Keywords:

Crowd, Crowd-Counting, Klasifikasi, Convolutional Neural Network

Abstract

Estimasi jumlah orang pada pusat keramaian saat ini banyak diterapkan, baik menggunakan cara konvensional seperti menghitung secara manual hingga menggunakan bantuan alat atau sensor, hal ini dilakukan dengan tujuan untuk memantau jumlah populasi, karena populasi orang dengan jumlah besar yang berkumpul pada suatu titik di area tertentu akan memunculkan berbagai masalah, salah satunya keamanan. Salah satu metode yang saat ini sedang dikembangkan untuk mendeteksi dan mengenali object pada sebuah citra dengan menggunakan Convolutional Neural Network (CNN). CNN adalah pengembangan dari Multilayer Perceptron (MLP) yang dirancang untuk mengolah data dua dimensi. Dalam tugas akhir ini dikembangkan estimasi jumlah dan kepadatan orang pada citra kerumunan tunggal menggunakan metode Convolutional Neural Network dengan menggunakan Shanghai Tech datasets.

References

E. Ramsden, “Hall-effect sensors: theory and application,” Sensors, vol. 6, no. 5, pp. 134–147, 2006.

M. Yusro and A. Diamah, Sensor dan Transduser Teori dan Aplikasi, Jakarta: Universitas Negeri Jakarta, 2019.

Digi International Inc., XBee® ZigBee RF Modules: S2C Datasheet, 2016. [Online]. Available: https://www.digi.com/pdf/ds_xbeemultipointmodules.pdf

XBee/XBee Pro ZB RF Modules Datasheet, Digi International Inc., March 2012.

I. F. Akhdiz, W. Su, Y. Sannarasammaian, and E. Cayric, “Wireless sensor networks: a survey,” Computer Networks, vol. 38, no. 4, pp. 393–422, 2002.

D. A. G. “Pengukuran debit air pelanggan air bersih berbasis iot menggunakan raspberry pi,” Universitas Pamulang, vol. 1, no. 2, 2018.

A. Azhar and Soeharwinto, “Perancangan sistem informasi debit air berbasis arduino uno,” Universitas Swadaya Utama, vol. 13, no. 36, 2015.

Nathanyan et al., “Raspberry pi based liquid flow monitoring and control,” International Journal of Research in Engineering and Technology, vol. 3, no. 7, July 2014.

Downloads

Published

2025-07-15

How to Cite

Deu Aldo Dhavicky, Reza Fuad Rachmadi, & Supeno Mardi Susiki Nugroho. (2025). Estimasi Jumlah dan Kepadatan Orang Pada Citra Kerumunan Tunggal Menggunakan Metode Convolutional Neural Network (CNN). Journal of Computer Engineering, Network, and Intelligent Multimedia, 3(2), 93–103. https://doi.org/10.59378/jcenim.v3i2.74

Issue

Vol. 3 No. 2 (2025)

Section

Articles

License

Copyright (c) 2026 Deu Aldo Dhavicky, Reza Fuad Rachmadi, Supeno Mardi Susiki Nugroho

Creative Commons License

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

Authors who publish with JCENIM agree to the following terms:

  1. Authors retain copyright and grant the journal the right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal
  2. 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.
  3. 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.