IMPLEMENTASI YOLOV4 TINY DAN REGION OF INTEREST UNTUK MENINGKATKAN PERFORMA DETEKSI OBJEK KENDARAAN

DESYAWAN, DIFFA DWI (2023) IMPLEMENTASI YOLOV4 TINY DAN REGION OF INTEREST UNTUK MENINGKATKAN PERFORMA DETEKSI OBJEK KENDARAAN. Other thesis, UPN "Veteran" Yogyakarta.

	Text 1.Skripsi_fulltext_123160065_Diffa Dwi Desyawan.pdf Restricted to Repository staff only Download (6MB)
	Text 2.Cover_123160065_Diffa Dwi Desyawan.pdf Download (138kB)
	Text 3.Abstrak_123160065_Diffa Dwi Desyawan.pdf Download (93kB)
	Text 4.Lembar Pengesahan_123160065_Diffa Dwi Desyawan.pdf Download (1MB)
	Text 5.Daftar isi_123160065_Diffa Dwi Desyawan.pdf Download (137kB)
	Text 6.Daftar Pustaka_123160065_Diffa Dwi Desyawan.pdf Download (118kB)

Abstract

Masalah utama yang terkait dengan pendeteksian kendaraan dalam sistem
pengawasan lalu lintas adalah kecepatan waktu pemrosesan yang dihasilkan harus
cepat mendeteksi kendaraan secara real-time. Penelitian ini bertujuan untuk
meningkatkan performa akurasi dan kecepatan waktu pemrosesan pendeteksian
kendaraan. Solusi yang ditawarkan dalam penelitian ini adalah dengan menerapkan
YOLOv4 Tiny dalam pendeteksian objek kendaraan, karena metode tersebut
memiliki jaringan konvolusi yang lebih sederhana, sehingga proses komputasi jauh
lebih efisien dibandingkan dengan metode lainnya. Selain itu, penelitian ini juga
akan menerapkan Region of Interest (ROI) untuk mengurangi biaya komputasi, dan
mengurangi kemungkinan adanya deteksi false positive..
Jenis kendaraan yang akan di deteksi dalam penelitian ini terbagi menjadi 4
kelas yaitu, bus, mobil, sepeda motor, dan truk. Total data yang digunakan sebanyak
2500 gambar dengan perbandingan data latih, data validation dan data testing
sebesar 70:20:10. Hasilnya menunjukkan bahwa YOLOv4 Tiny dengan penerapan
Region of Interest menghasilkan nilai akurasi sebesar 91,23% dan kecepatan waktu
pemrosesan sebesar 24,6 FPS pada CPU Intel i9 dan 0,79 FPS pada Raspberry Pi
3B, sedangkan tanpa penerapan Region of Interest menghasilkan rata-rata nilai
akurasi sebesar 86,81% dan kecepatan waktu pemrosesan sebesar 21,6 FPS pada
CPU Intel i9 dan 0,70 FPS pada Raspberry Pi 3B. Berdasarkan pengujian,
penggunaan Region of Interest dapat mengurangi kesalahan pendeteksian objek dan
meningkatkan kecepatan waktu pemrosesan.
Kata Kunci: Deteksi Objek, Deteksi Kendaraan, YOLO, YOLOv4 Tiny, Region of Interest

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Deteksi Objek, Deteksi Kendaraan, YOLO, YOLOv4 Tiny, Region of Interest
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	23 Jun 2023 06:28
Last Modified:	23 Jun 2023 06:28
URI:	http://eprints.upnyk.ac.id/id/eprint/36147

Actions (login required)

View Item