PARALELISASI CASCADE LEARNING MENGGUNAKAN FITUR LOCAL BINARY PATTERN UNTUK DETEKSI BOLA MULTI-POLA

Dedi Setiawan Setiawan

Abstract


Pemrosesan paralel ialah komputasi dua atau lebih proses secara bersamaan dengan tujuan mempersingkat waktu eksekusi proses. Pemrosesan paralel dapat dilakukan dengan menggunakan teknik multi-threading, yaitu menjalankan beberapa thread dengan tugas-tugas tertentu secara bersamaan. Dalam Kontes Robot Sepak Bola Indonesia, robot wajib memiliki kemampuan mengenali bola melalui sensor kamera berupa kmaera digital PS3 Eye, dalam hal ini robot mengenali bola dengan cara serial oleh karena itu peneliti mengembangkan proses deteksi bola tersebut menggunakan pemrosesan paralel dengan membagi data (dekomposisi data) menjadi beberapa bagian untuk diproses oleh thread  yang bertugas melakukan proses deteksi bola. Dari hasil pengujian yang dilakukan pada robot yang memiliki mini komputer Intel NUC i5 dengan kecepatan 2,5 GHz, didapatkan hasil bahwa strategi deteksi bola dengan mengaktifkan fungsi deteksi bola mendapat speedup sebesar 1,16 dan efisiensi sebesar 29%. Sedangkan strategi deteksi bola tanpa mengaktifkan fungsi deteksi bola mendapat  speedup sebesar 1,15 dan efisiensi sebesar 28,72%.

Full Text:

PDF

References


Abdullah, D., 2016. Pemrosesan Paralel. s.l.:Unimal Press.

Alpaydin, E., 2014. Introduction to Machine Learning. Dalam: Introduction to Machine Learning. s.l.:s.n., pp. 105-128.

Annas, M., 2017. Studi Komputasi Paralel dan Implementasinya pada Kasus Komputasi Matriks Besar.

Deswal, M. & Sharma, N., 2014. A Fast HSV Image Color and Texture Detection and Image Conversion Algorithm. International Journal of Science and Research (IJSR), 3(6).

E Silva, L. M. & Buyya, R., 1999. Parallel Programming Models and Paradigms.

Fatta, H. A., 2007. Analisis Perancangan Sistem Informasi untuk Keunggulan Bersaing Perusahaan san Organisasi Modern. s.l.:s.n.

Freund, Y. & Schapire, R. E., 1999. A Short Introduction to Boosting.

Harjono, M., 2014. Algoritma Sieve of Eratosthenes Paralel Berbasis MPI pada Sistem Komputasi Paralel In-Grid.

Kurniawan, D. & Supriyanto, C., 2013. Optimasi Algoritma Support Vector Machine (SVM) Menggunakan AdaBoost untuk Penilaian Resiko Kredit. Jurnal Teknologi Informasi, Volume 9.

Mulya, M. & Abdiansah, 2013. Penerapan Multi-Threading untuk Meningkatkan Kinerja Pengolahan Citra Digital. Jurnal Generic.

Novandi, P., 2015. Analisis Kompleksitas Algoritma Pencarian Convex Hull pada Bidang Planar.

Putra, M. P. K., 2017. Deteksi Bola Multi-Pola Memanfaatkan Ekstraksi Fitur Local Binary Pattern (LBP) Dengan Algoritma Learning Adaboost (Studi Kasus Kontes Robot Sepak Bola Indonesia Humanoid).

Riska, S. Y., Cahyani, L. & Rosadi, M. I., 2014. Klasifikasi Jenis Tanaman Mangga Gadung dan Mangga Madu Berdasarkan Tulang Daun.

Ruan, C., Ruan, Q. & Li, X., 2010. Real AdaBoost Feature Selection for Face Recognition. ICSP.

Sudarisman, D., 2015. Deteksi Bola Pada Robot Krakatau FC.

Suharini, Y. S., 2014. Arsitektur Program Paralel Berbasis Message-Passing Interface. ISSN: 1979-276x.

Susmikanti, M. & Dewayatna, W., 2012. Komputasi Paralel EigenValue dalam Penyelesaian Difusi Multi-Grup Menggunakan Metode HouseHolder Deflasi dan Divide Conquer.

Swahn, H., 2016. Pthreads and OpenMP.

Syaifullah, I. H., 2014. Implementasi Pemrosesan Paralel Pada Permainan Catur Di Cluster Beowulf.

Triatmoko, A. H., Pramono, S. H. & Dahlan, H. S., 2014. Penggunaan Metode Viola-Jones dan Algoritma Eigen Eyes dalam Sistem Kehadiran Pegawai. EECCIS , Volume 8.

Wibowo, A., 2014. Penyelesaian Problem Gaussian Elimination Menggunakan Posix Thread, OpenMP dan Intel TBB. ISSN: 2085-3858, Volume Vol.6, no. 2, 2014, 166-170.




DOI: https://doi.org/10.33365/jecsit.v1i1.15

Refbacks

  • There are currently no refbacks.


JECSIT Published by Universitas Teknokrat Indonesia
Organized by Faculty of Engineering and Computer Science
Web: http://jurnal.teknokrat.ac.id/index.php/JECSIT/index
Email : jecsit@teknokrat.ac.id.
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhan Ratu, Bandarlampung
Telepon : 0721 70 20 22