PENGEMBANGAN SISTEM OBJECT DETECTION UNTUK DETEKSI KENDARAAN MENGGUNAKAN ALGORITMA YOLO

MIKHAEL RYAN PRATAMA (2024) PENGEMBANGAN SISTEM OBJECT DETECTION UNTUK DETEKSI KENDARAAN MENGGUNAKAN ALGORITMA YOLO. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71200534_bab1_bab5_daftarpustaka.pdf Download (3MB)
	Text (Skripsi Informatika) 71200534_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (2MB) \| Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem object detection yang mampu mendeteksi dan mengidentifikasi kendaraan bermotor berdasarkan tipe dan jenis melalui data CCTV untuk menghitung emisi karbon dengan lebih akurat. Peningkatan jumlah kendaraan di Indonesia, terutama di kota-kota besar, membawa tantangan dalam pengawasan lalu lintas dan pengendalian emisi. Oleh karena itu dengan memanfaatkan algoritma YOLO (You Only Look Once) untuk deteksi dan klasifikasi kendaraan bermotor, yang digunakan untuk membantu dalam prediksi emisi karbon dari kendaraan yang lewat dengan menggunakan teknologi object detection. Sistem ini dibuat dengan menggunakan data yang didapat melalui CCTV yang diberi label dan dijadikan sebagai himpunan data. Pelatihan sistem ini dilakukan menggunakan YOLO versi 4 Tiny yang diklasifikan menjadi 8 kelas untuk tiap jenis kendaraan bermotor. Evaluasi sistem ini akan dilakukan dengan menggunakan metric F1 score untuk menilai keseimbangan antara menangkap positif yang benar (recall) dan menghindari kesalahan dalam memprediksi positif yang salah (precision). Hasil evaluasi dari sistem ini menunjukan bahwa model YOLOv4 Tiny yang dilatih memiliki nilai F1 score sebesar 71.11%. Sedangkan model YOLOv4 Tiny yang datanya telah diaugmentasi memiliki nilai F1 score sebesar 75.97%, yang menunjukan adanya peningkatan setelah augmentasi data. Dengan demikian xiv sistem deteksi kendaraan bermotor ini berhasil memenuhi tujuan untuk menghitung kendaraan bermotor berdasarkan kelas dari tiap kendaraan dengan cukup baik.

Item Type:	Student paper (Final Year Projects (S1))
Uncontrolled Keywords:	Kendaraan Bermotor, YOLOv4 Tiny, Object Detection
Subjects:	T Teknologi > Teknologi (Umum)
Divisions:	Fakultas Teknologi Informasi > Prodi Informatika
Depositing User:	Mayriska Eliana
Date Deposited:	27 May 2025 07:03
Last Modified:	27 May 2025 07:03
URI:	http://repository.ukdw.ac.id/id/eprint/9879

Actions (login required)

View Item