57
DAFTAR PUSTAKA
Agustina, F., & Sukron, M. (2022). Deteksi Kematangan Buah Pepaya Menggunakan Algoritma. Jurnal INFOKAM, XVIII(2), 4–12. https://doi.org/
10.53845/infokam.v18i2.320
Akhmad Irfansyah Salim, Yuliarman Saragih, & Rahmat Hidayat. (2020).
Implementasi Motor Servo SG 90 (Electronics Ingtegration Helmet Wiper).
Jurnal Electro Luceat, 6(2), 1–9. https://doi.org/10.32531/jelekn.v6i2.256 Alfarizi, D. N., Pangestu, R. A., Aditya, D., Setiawan, M. A., & Rosyani, P. (2023).
Penggunaan Metode YOLO Pada Deteksi Objek : Sebuah Tinjauan Literatur Sistematis. Jurnal AI Dan SPK, 1(1), 54–63. http://jurnalmahasiswa.com/
index.php/aidanspk/article/view/144
Amin, M., Novelan, M.S. (2020). Sistem Kendali Obstacle Avoidance Robot sebagai Prototype Social Distancing Menggunakan Sensor Ultrasonic dan Arduino. InfoTekJar : Jurnal Nasional Informatika Dan Teknologi Jaringan, 5(1), 148–153. https://doi.org/10.30743/infotekjar.v5i1.3003
Amwin, A. (2021). Deteksi Dan Klasifikasi Kendaraan Berbasis Algoritma You Only Look Once (YOLO). [Skripsi]. Universitas Islam Indonesia.
Aningtiyas, P. R., Sumiu, A., & Wirawan, S. (2020). Pembuatan Aplikasi Deteksi Objek Menggunakan TensorFlow Object Detection API dengan Memanfaatkan SSD MobileNet V2 Sebagai Model Pra - Terlatih. Jurnal Ilmiah Komputasi, 19(3), 421–430. https://doi.org/10.32409/jikstik.19.3.68
Aprilingga, D. A., Fajri, F. N., & Pratamasunu, G. Q. O. (2022). Deteksi Wanita Berhijab dan tidak Berhijab dengan menggunakan Metode Mask RCNN.
Jurnal Edukasi Dan Penelitian Informatika, 8(3), 579–585. http://dx.doi.org/
10.26418/jp.v8i3.57397
Bochkovskiy, A., Wang, C.-Y., & Liao, H.-Y. M. (2020). YOLOv4: Optimal Speed and Accuracy of Object Detection. 1-17. https://doi.org/10.48550/
arXiv.2004.10934
Budiharto, W., Irwansyah, E., Suroso, J. S., & Gunawan, A. A. S. (2022). Low-Cost Vision-Based Face Recognition Using Esp32-Cam for Tracked Robot. ICIC Express Letters, Part B: Applications, 13(3), 321–327. https://doi.org/
10.24507/icicelb.13.03.321
Cheng, B., Wei, Y., Shi, H., Feris, R., Xiong, J., & Huang, T. (2018). Revisiting RCNN: On awakening the classification power of faster RCNN. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 11219 LNCS, 473–490.
https://doi.org/10.1007/978-3-030-01267-0_28
Demosthenous, G., & Vassiliades, V. (2021). Continual Learning on the Edge with TensorFlow Lite. 1-8. https://doi.org/10.48550/arXiv.2105.01946
Dewi, Y. F., & Fadillah, N. (2019). Deteksi Objek Berwarna Merah Secara Real Time Dengan Algoritma Color Filtering. Jurnal Media Informatika Budidarma, 3(2), 140-147. https://doi.org/10.30865/mib.v3i2.1114
Espressif. (2022). ESP32-DevKitC V4 Getting Started Guide.
https://docs.espressif.com/projects/esp-idf/en/latest/esp32/hw-reference/
esp32/get-started-devkitc.html
Fajri, R. (2022). Implementasi Deep Learning Menggunakan Metode Convolutional Neural Network Dalam Klasifikasi Gambar Warna Bola Pelampung. [Skripsi]. Universitas Maritim Raja Ali Haji
Grandini, M., Bagli, E., & Visani, G. (2020). Metrics for Multi-Class Classification:
an Overview. 1-17. https://doi.org/10.48550/arXiv.2008.05756
Han, X., Chang, J., & Wang, K. (2021). Real-time object detection based on YOLO- v2 for tiny vehicle object. Procedia Computer Science, 183, 61–72. https://
doi.org/10.1016/j.procs.2021.02.031
Hasanudin, Budiyanto, M. A., Yudo, H., Asmara, I. P. S., Luhulima, R. B., &
Muhammad, A. H. (2022). KONTES KAPAL CEPAT TAK BERAWAK NASIONAL (KKCTBN) TAHUN 2022 : “Inovasi Teknologi Perkapalan Digital dan Augmented Reality untuk Mendukung Pertahanan Keamanan Nasional.”. https://kkctbn2022.upnjatim.ac.id/panduan-kkctbn/
He, Z., & Zhang, L. (2019). Multi-adversarial faster-RCNN for unrestricted object detection. Proceedings of the IEEE International Conference on Computer Vision, 2019-October(174), 6667–6676 . https://doi.org/10.1109/ICCV.2019.
00677
Husna, I. N., Ulum, M., Saputro, A. K., Laksono, D. T., Neipa, D., Elektro, T., &
Madura, U. T. (2022). Rancang Bangun Sistem Deteksi Dan Perhitungan Jumlah Orang Menggunakan Metode Convolutional Neural Network (CNN).
Seminar Nasional Fortei Regional 7, 5(1), 1–6 . https://journal.fortei7.org/
index.php/sinarFe7/article/view/346
Imran, A., & Rasul, M. (2020). Pengembangan Tempat Sampah Pintar Menggunakan Esp32. Jurnal Media Elektrik, 17(2), 2721–9100. https://
ojs.unm.ac.id/mediaelektrik/article/view/14193
Izra Bagus Kurniansyah, Ferdian Ronilaya, & Muhammad Fahmi Hakim. (2023).
Perencanaan dan Pembuatan Real Time Monitoring System Dari Pada Modul Active Solar Photo Voltaic Tracker Berbasis Internet Of Things. Elposys:
Jurnal Sistem Kelistrikan, 7(3), 7–13. https://doi.org/10.33795/elposys.
v7i3.662
Liu, L., Wang, Y., & Shi, W. (2022). Understanding Time Variations of DNN Inference in Autonomous Driving. 1–14. https://doi.org/10.48550/
arXiv.2209.05487
Liunanda, C. N., Rostianingsih, S., & Purbowo, A. N. (2020). Implementasi Algoritma YOLO pada Aplikasi Pendeteksi Senjata Tajam di Android. Jurnal Infra, Vol 8, No., 1–7. https://publication.petra.ac.id/index.php/teknik- informatika/article/view/10527
Nuralim, J., Fath, N., Musafa, A., Sujono, & Broto, D. S. (2022). Perancangan Sistem Pendeteksian Obyek Bola Dengan Metode Framework YOLOv4.
Jurnal Maestro, 5(2), 289–294. https://jom.ft.budiluhur.ac.id/index.php/
maestro/article/view/531
Pardede, J., & Hardiansah, H. (2022). Deteksi Objek Kereta Api menggunakan Metode Faster R-CNN dengan Arsitektur VGG 16. MIND Journal, 7(1), 21–
36. https://doi.org/10.26760/mindjournal.v7i1.21-36
Prabowo, D. A., & Abdullah, D. (2018). Deteksi dan Perhitungan Objek Berdasarkan Warna Menggunakan Color Object Tracking. Pseudocode, 5(2), 85–91. https://doi.org/10.33369/pseudocode.5.2.85-91
Rahma, L., Syaputra, H., Mirza, A. H., & Purnamasari, S. D. (2021). Objek Deteksi Makanan Khas Palembang Menggunakan Algoritma YOLO (You Only Look Once). Jurnal Nasional Ilmu Komputer, 2(3), 213–232. https://doi.org/
10.47747
Ramadan, A. K., & Budilaksono, S. (2022). Rancang Bangun Aplikasi Deteksi Objek Untuk Menghitung Jumlah Pengunjung Restoran Berbasis Computer Vision. Ikraith-Informatika, 7(1), 46–57. https://doi.org/10.37817/ikraith- informatika.v7i1.2235
Riyadi, A. S., Wardhani, I. P., Wulandari, M. S., & Widayati, S. (2022).
Perbandingan Metode ResNet, YoloV3, dan TinyYoloV3 pada Deteksi Citra dengan Pemrograman Python. Petir, 15(1), 135–144. https://doi.org/
10.33322/petir.v15i1.1302
Sanubari, F. F., & Puriyanto, R. D. (2022). Deteksi Bola dan Gawang dengan Metode YOLO Menggunakan Kamera Omnidirectional pada Robot KRSBI- B. Buletin Ilmiah Sarjana Teknik Elektro, 4(2), 76–85. https://doi.org/
10.12928/biste.v4i2.6712
Siregar, D. R. S., Koryanto, L., & Faizah, N. (2023). Aplikasi Pencarian Hotel di Kota Jakarta Berbasis Android dengan Metode Location Based Service (LBS)
Menggunakan Android Studio. Computer Journal, 1(1), 64–72. https://doi.org /10.58477/cj.v1i1.65
Sitompul, H. S., Hermawan, H., & Denis, D. (2020). Rancang Bangun Miniatur Sistem Transmisi Daya Arus Searah Dengan Inverter Satu Fasa Dan Sistem Monitoring Menggunakan Data Logger Berbasis Mikrokontroler Stm32F103C8T6 Dan Microsd Card Module Spi. Transient: Jurnal Ilmiah Teknik Elektro, 9(2), 253–260. https://doi.org/10.14710/transient.v9i2.253- 260
Viswanatha, V., Chandana R, K., & Ramachandra A, C. (2022). Real Time Object Detection System with YOLO and CNN Models: A Review. 14(7), 144–151.
https://doi.org/10.48550
Wicaksono, H. A. (2017). Rancang Bangun Sistem Monitoring Konsentrasi Gas Nitrogen Oksida ( NOx ) Sebagai Emisi Gas Buang Menggunakan Sensor Gas MQ – 135 Berbasis Mikrokontroller STM32F4 Discovery. [Tugas Akhir].
Institut Teknologi Sepuluh Nopember
