IMPLEMENTASI ALGORITMA YOLOv7 DALAM MENDETEKSI KENDARAAN DI JALAN RAYA

Mahendra, Ridho (2023) IMPLEMENTASI ALGORITMA YOLOv7 DALAM MENDETEKSI KENDARAAN DI JALAN RAYA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (144kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (741kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (193kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (939kB)
	Text (BAB V) BAB V.pdf Download (44kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (114kB)
	Other (SOURCE CODE) Source Code - Ridho Mahendra.rar Restricted to Repository staff only Download (18kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (759kB)

Abstract

Dalam beberapa tahun terakhir pemasangan CCTV pada jalan raya semakin meningkat. Hal tersebut bertujuan agar pihak pemerintah dapat memantau aktivitas pengguna jalan, selain itu penggunaan CCTV juga sangat berguna untuk mengetahui pengguna jalan yang melanggar aturan. Perangkat ini biasanya dipasang pada persimpangan dan lampu merah. Namun seiring dengan perkembangan teknologi, kamera CCTV tidak lagi memerlukan manusia untuk memantau secara manual. Pendeteksian dapat dilakukan secara otomatis dengan bantuan program yang diintegrasikan dengan kamera CCTV. Teknologi computer vision menggunakan pendekatan deep learning adalah cara yang biasa digunakan dalam pendeteksian secara otomatis. Dari beberapa algoritma deep learning terdapat satu metode yang populer dan diklaim paling akurat dalam mendeteksi objek. Metode yang dimaksud ialah YOLO (You Only Look Once) dengan basis Convolutional Neural Network (CNN). Berdasarkan hal tersebut disini peneliti akan mencoba menerapkan metode terbaru yaitu YOLOv7 menggunakan dataset custom yang diambil melalui website CCTV pemerintah Yogyakarta berupa rekaman. Kemudian data tersebut dianotasi dan dilatih menggunakan pre-trained weights yolo7x dan teknik transfer learning. Hasil dari penelitian yang dilakukan, F1-Score yang didapatkan adalah 0.638 dengan nilai Precision 0.941, Recall 0.875, dan mAP 0.729. F1-Score merupakan parameter yang digunakan untuk menghitung seberapa bagus performa dari model yang sudah dibuat. Artinya berdasarkan dari F1-Score performa dari model yang dibuat peneliti terbilang cukup baik.

Actions (login required)

View Item