IMPLEMENTASI ALGORITMA CNN DAN YOLO UNTUK MENDETEKSI JENIS KENDARAAN PADA JALAN RAYA

JUPITER, FERNANDY (2023) IMPLEMENTASI ALGORITMA CNN DAN YOLO UNTUK MENDETEKSI JENIS KENDARAAN PADA JALAN RAYA. Masters thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) bab0.pdf Download (1MB)
	Text (BAB 1) bab1.pdf Download (452kB)
	Text (IMPLEMENTASI ALGORITMA CNN DAN YOLO UNTUK MENDETEKSI JENIS KENDARAAN PADA JALAN RAYA) skripsi full_compressed (14).pdf Restricted to Repository staff only Download (1MB)
	Text (DAFTAR PUSTAKA) dapus.pdf Download (355kB)
	Text (JURNAL) jurnal_compressed (2).pdf Download (299kB)

Abstract

Penelitian ini mengkombinasikan kinerja dua algoritma utama dalam deteksi jenis kendaraan pada jalan raya, yaitu Convolutional Neural Network (CNN) dan You Only Look Once (YOLO). Tujuan dari penelitian ini ialah untuk mengetahui seberapa jauh kedua algoritma tersebut dalam mengenali berbagai kendaraan misalnya motor, mobil, truck dan bus dalam konteks jalan raya. Metode penelitian mencakup pengumpulan dataset berisi gambar-gambar kendaraan, pelatihan model menggunakan arsitektur CNN dan YOLO, serta evaluasi kinerjanya berdasarkan parameter presisi, recall dan F1-score. Hasil penelitian menunjukkan bahwa pendekatan gabungan CNN dan YOLO menghasilkan tingkat akurasi yang tinggi dalam mendeteksi jenis kendaraan pada jalan raya. Hasil ini memiliki potensi aplikasi dalam pengembangan sistem pemantauan lalu lintas cerdas, pengukuran lalu lintas, dan peningkatan keselamatan di jalan raya. Penelitian ini memberikan kontribusi positif dalam memajukan teknologi pemrosesan citra dan deteksi objek dalam konteks transportasi. Kata kunci: CNN, YOLO, presisi, recall, F1-score

Actions (login required)

View Item