PENGENALAN JENIS MOBIL MENGGUNAKAN METODE DEEP LEARNING

Kurniawan, Mohammad Rezza Ilham (2022) PENGENALAN JENIS MOBIL MENGGUNAKAN METODE DEEP LEARNING. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (889kB)
[img] Text (BAB I)
BAB I.pdf
Download (83kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (533kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (295kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (741kB)
[img] Text (BAB V)
BAB V.pdf
Download (39kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (110kB)
[img] Archive (SOURCE CODE)
Source Code-18.11.2226-Mohammad Rezza Ilham Kurniawan.zip
Restricted to Repository staff only
Download (70MB)
[img] Text (PUBLIKASI)
Publikasi - 18.11.2226- Mohammad Rezza Ilham Kurniawan.pdf
Restricted to Repository staff only
Download (1MB)

Abstract

Berbeda dengan jalanan umum, melintas di jalan tol dikenakan tarif tertentu yang telah di atur dalam Keputusan Menteri Pekerjaan Umum dan Perumahan Rakyat (Kepmen PUPR) No. 370/KPTS/M/2007. Riset tentang deteksi objek sedang marak dikembangkan dalam beberapa tahun belakangan, khususnya klasifikasi kendaraan. Kendaraan dapat dikategorikan berdasarkan jenis, logo dimensi dan bentuknya. Dalam penelitian ini penulis menggunakan algoritma YOLOv5 untuk melakukan pendeteksian dan klasifikasi kendaraan. Penelitian ini menggunakan dataset yang berjumlah 684 gambar dengan lima kategori yaitu Golongan1, Golongan2, Golongan3, Golongan4, dan Golongan 5. Skenario uji coba dilakukan dengan 6 tahap yaitu epoch 50 batch 8, epoch 75 batch 8, epoch 100 batch 8, epoch 50 batch 16, epoch 75 batch 16, epoch 100 batch 16. Preprocessing dan training data dilakukan menggunakan Roboflow dan Google Colab. Berdasarkan hasil pengujian, model yang dengan nilai tertinggi dicapai oleh skenario epoch 75 dan ukuran batch 16 dengan nilai Precision 77%, Recall 94%, dan Akurasi 79%.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Astuti, Yuli
Uncontrolled Keywords: Deep Learning, YOLOv5, Deteksi Kendaraan, Klasifikasi, Artificial Intelligence
Subjects: 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: 07 Oct 2022 03:09
Last Modified: 02 Aug 2023 07:49
URI: http://eprints.amikom.ac.id/id/eprint/8423

Actions (login required)

View Item View Item