Analisis Perbandingan Metode Gaussian Mixture Model dan Logika Fuzzy untuk Deteksi dan Penghitungan Objek Bergerak pada Sistem Surveilans Video Malam Hari

Putra, Fernanda Gia (2025) Analisis Perbandingan Metode Gaussian Mixture Model dan Logika Fuzzy untuk Deteksi dan Penghitungan Objek Bergerak pada Sistem Surveilans Video Malam Hari. Analisis Perbandingan Metode Gaussian Mixture Model dan Logika Fuzzy untuk Deteksi dan Penghitungan Objek Bergerak pada Sistem Surveilans Video Malam Hari, Vol. 7 (No. 6). pp. 4251-4258. ISSN 2655-0865

	Text (Artikel) Fernanda Gia Putra_2255201090_ ARTIKEL.pdf - Published Version Restricted to Repository staff only Download (530kB) | Request a copy
	Text (Turnitin) Fernanda Gia Putra_2255201090_ TURNITIN.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Deteksi dan penghitungan objek dalam sistem surveilans video merupakan tugas krusial dengan berbagai aplikasi, namun menghadapi tantangan signifikan akibat kondisi lingkungan yang dinamis seperti variasi pencahayaan, oklusi, dan noise. Penelitian ini mengevaluasi dan membandingkan kinerja dua teknik pengurangan latar belakang yang menonjol: Gaussian Mixture Model (GMM) dan Logika Fuzzy, untuk segmentasi dan penghitungan objek bergerak. Metodologi melibatkan prapemrosesan citra (konversi grayscale, Gaussian blur, normalisasi), pembentukan model latar belakang menggunakan median dari frame awal, segmentasi objek dengan GMM dan Logika Fuzzy yang ditingkatkan dengan Region of Interest (ROI) dan operasi morfologi, serta pelacakan objek menggunakan CentroidTracker sederhana. Kinerja dievaluasi menggunakan metrik segmentasi (Precision, Recall, F1-score, Percentage of Wrong Classifications (PWC)) dan metrik akurasi penghitungan (Mean Absolute Error (MAE), Akurasi). Hasil menunjukkan bahwa GMM mencapai F1-score yang sedikit lebih baik (0.23 vs 0.18) untuk segmentasi, sementara Logika Fuzzy menunjukkan Precision yang sedikit lebih tinggi (0.37 vs 0.33). Untuk penghitungan objek, kedua metode menghasilkan MAE rata-rata yang identik sebesar 0.94, dengan Logika Fuzzy menunjukkan akurasi rata-rata yang sedikit lebih tinggi (9.88% vs 9.41%). Studi ini menyoroti bahwa baik GMM maupun Logika Fuzzy layak untuk deteksi dan penghitungan objek bergerak, masing-masing dengan kekuatan dan kelemahan yang berbeda, namun kinerja tetap sensitif terhadap kondisi scene yang dinamis. Dataset yang digunakan, kategori "video malam" CDnet, khususnya sequence "busyBoulvard", menghadirkan tantangan unik karena pencahayaan rendah dan lalu lintas padat, yang menjadi pusat evaluasi.

Item Type:	Article
Additional Information:	Artikel ini sudah terbit pada Journal of Multidisciplinary Research and Development Vol. 7, No. 6 (2025)
Uncontrolled Keywords:	Kata Kunci: Deteksi Objek, Penghitungan Objek, Segmentasi Video, Gaussian Mixture Model, Logika Fuzzy
Subjects:	Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Divisions:	02-Fakultas Teknik > 55201-(S1) Teknik Informatika Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Depositing User:	Mrs Atika Ledia Anggraini
Date Deposited:	20 May 2026 02:05
Last Modified:	20 May 2026 02:05
URI:	http://repository.umb.ac.id/id/eprint/2331

Actions (login required)

View Item