<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="100936">
 <titleInfo>
  <title>APLIKASI MOBILE UNTUK PENDETEKSIAN ANOMALI PADA VIDEO PENGAWASAN BERBASIS DEEP LEARNING</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Khairul Anwar</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik (S1)</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Deteksi anomali merupakan salah satu masalah visi komputer (Computer Vision) yang paling sulit dan berkelanjutan. Meningkatnya permintaan akan keamanan dan pengawasan publik, sejumlah besar kamera pengawas telah dipasang di banyak ruang publik, termasuk bandara, alun-alun, stasiun kereta bawah tanah, dan stasiun kereta api. Kamera tersebut menghasilkan data video dalam jumlah besar, menghasilkan proses yang tidak efisien dan melelahkan bagi operator manusia untuk menemukan kejadian yang mencurigakan atau tidak biasa.&#13;
Berdasarkan masalah tersebut, penelitian ini mengusulkan pemanfaatan visi komputer dan aplikasi mobile untuk mempermudah pengguna karena sifatnya yang portable dalam memantau video dengan mempelajari perilaku anomali dalam video. Metode yang digunakan dari daerah yang difokuskan pada video selanjutnya dimasukkan ke dalam jaringan saraf konvolusi tiga dimensi (3D CNN) yang berbasis aplikasi mobile dan komputasi awan (Cloud Computing). Hasil pengujian dari dataset menunjukkan akurasi yang diusulkan cukup baik dimana area nilai ROC (Receiver Operating Characteristic) yang dihasilkan bernilai 0.81 sehingga sistem mampu membedakan peristiwa normal dan anomali.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>100936</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-06-21 12:57:00</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-06-21 15:58:11</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>