Search for collections on Universitas Indo Global Mandiri Repository

KLASIFIKASI PENGUNJUNG PADA SISTEM SMART PARKING BERBASIS CNN (Convolutional Neural Network)

yana, sefty and Rachmansyah, Rachmansyah and Tasmi, Tasmi (2026) KLASIFIKASI PENGUNJUNG PADA SISTEM SMART PARKING BERBASIS CNN (Convolutional Neural Network). Masters thesis, Universitas Indo Global Mandiri.

[thumbnail of 2021310033_APR_2026_2.pdf] Text
2021310033_APR_2026_2.pdf
Restricted to Repository staff only

Download (12MB) | Request a copy
[thumbnail of SEFTY YANA_2021310033_FILE FULL KARYA ILMIAH!.pdf] Text
SEFTY YANA_2021310033_FILE FULL KARYA ILMIAH!.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[thumbnail of SEFTY YANA_2021310033_FILE COVER - DAFTAR ISI.pdf]
Preview
Text
SEFTY YANA_2021310033_FILE COVER - DAFTAR ISI.pdf

Download (661kB) | Preview

Abstract

Penelitian ini bertujuan untuk mengembangkan dan menerapkan sistem klasifikasi pengguna Smart Parking yang berbasis Convolutional Neural Networks (CNN). Teknologi YOLO (You Only Look Once) digunakan oleh sistem ini untuk menemukan dan mengkategorikan kendaraan di seluruh area kampus. Ini memisahkan kendaraan berdasarkan jenis pengguna, yaitu laki-laki dan perempuan. Diharapkan metode ini akan meningkatkan efisiensi parkir dan mempercepat sistem alokasi parkir. Penelitian ini juga melihat bagaimana teknologi CNN dapat digunakan untuk menganalisis dan menginterpretasikan gambar kendaraan. Tujuan dari penelitian ini adalah untuk menemukan solusi untuk masalah kampus yang umum. Hasil penelitian ini diharapkan dapat membantu membangun sistem parkir pintar yang lebih efisien dan aman yang memberikan laporan dan pembaruan status parkir secara real-time.

Item Type: Thesis (Masters)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Ilmu Komputer dan Sains > Sistem Komputer S1
Depositing User: Sefty . Yana
Date Deposited: 30 Apr 2026 04:04
Last Modified: 30 Apr 2026 04:04
URI: https://repository.uigm.ac.id/id/eprint/6573

Actions (login required)

View Item
View Item