Purnomo, Iqbal Hadi (2022) IMPLEMENTASI SISTEM PENGHITUNG JUMLAH KENDARAAN BERBASIS YOUR ONLY LOOK ONCE DAN VIRTUAL ZONE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (960kB) |
|
Text (BAB I)
BAB I.pdf Download (244kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (774kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (239kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (944kB) |
|
Text (BAB V)
BAB V.pdf Download (70kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (188kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code 18.11.2295 Iqbal Hadi Purnomo.zip Restricted to Repository staff only Download (19MB) |
|
Text (PUBLIKASI)
Publikasi 18.11.2295 Iqbal Hadi Purnomo.pdf Restricted to Repository staff only Download (691kB) |
Abstract
Kemacetan merupakan hal yang sering terjadi di kota-kota besar di Indonesia dan banyak menimbulkan dampak negatif. Sampai saat ini banyak metode rekayasa lalu lintas yang telah digunakan untuk meminimalisir terjadinya kemacetan salah satunya adalah Area Traffic Control System (ATCS) [1]. ATCS memerlukan beberapa data situasi jalan seperti jumlah kendaraan yang melitas pada ruas jalan untuk menentukan tundaan waktu minimum yang tepat pada setiap simpang. Data tersebut dapat diperoleh dengan cara melakukan pengamatan melalui rekaman CCTV jalan raya yang ada di pusat kendali sistem oleh beberapa orang. Namun, cara tersebut dirasa kurang efektif karena akan membutuhkan banyak waktu dan tenaga untuk melakukanya. Untuk itu peneliti mengusulkan sebuah sistem yang dapat mendeteksi dan menghitung jumlah lalu lintas kendaraan secara otomatis. Sistem tersebut mengunakan teknologi deep convolutional neural network YOLO untuk mendeteksi object kendaraan yang melintas. Setelah proses pelatihan yang dilakukan menggunakan dataset MIO-TCD sistem yang peneliti usulkan berhasil meraih nilai f1 score rata-rata sebesar 0,78 dengan capaian nilai tertinggi sebesar 0.92 pada data testing berupa rekaman lalu lintas jalan raya dengan jumlah 7 buah video.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Computer Vision, Object Tracking, Object Detection, YOLO | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 19 Sep 2023 04:22 | ||
| Last Modified: | 19 Sep 2023 04:22 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/21514 |
Actions (login required)
 |
View Item |