IMPLEMENTASI METODE YOU ONLY LOOK ONCE (YOLO) V8 PADA DETEKSI OBJEK ALAT PELINDUNG DIRI

Rahma, Gisani Miftahul (2024) IMPLEMENTASI METODE YOU ONLY LOOK ONCE (YOLO) V8 PADA DETEKSI OBJEK ALAT PELINDUNG DIRI. Other thesis, UPN Veteran Yogyajarta.

	Text ABSTRAK.pdf Download (374kB)
	Text COVER.pdf Download (270kB)
	Text DAFTAR ISI.pdf Download (634kB)
	Text DAFTAR PUSTAKA.pdf Download (395kB)
	Text LEMBAR PENGESAHAN PEMBIMBING.pdf Download (238kB)
	Text LEMBAR PENGESAHAN PENGUJI.pdf Download (196kB)
	Text SKRIPSI FULLTEXT_Gisani M Rahma_123190038.pdf Restricted to Repository staff only Download (4MB)

Abstract

vi
ABSTRAK
Deteksi alat pelindung diri basis komputer memiliki beberapa tantangan. Tantangan
pertama adalah kebutuhannya untuk dapat melakukan deteksi terhadap berbagai objek
berbeda dalam satu frame. Tantangan kedua adalah kebutuhannya untuk dapat melakukan
deteksi terhadap objek yang berjarak jauh dari kamera. Oleh itu, dibutuhkan sebuah sistem
yang mampu melakukan deteksi terhadap beberapa objek sekaligus dan memiliki
kemampuan yang baik dalam mendeteksi objek berukuran kecil.
Penelitian ini dilakukan dengan mengimplementasikan YOLO V8 pada tugas deteksi
objek. Dataset yang digunakan merupakan citra pekerja konstruksi yang tersedia pada
kaggle, github dan roboflow. Total data yang digunakan adalah 4732 data, di mana 3773
gambar digunakan sebagai data latih, 732 gambar sebagai data validasi, dan 227 gambar
sebagai data uji. Untuk melakukan pengujian jarak, digunakan data primer dengan jarak
objek terhadap kamera mulai dari 1 hingga 33 meter. Data tersebut melalui tahap
preprocessing untuk kemudian dilakukan training dengan YOLO V8 : nano, small,
medium, large, dan extra large.
Dari hasil penelitian yang dilakukan dapat dilihat bahwa YOLO V8 dapat mendeteksi
berbagai objek dalam sebuah citra dengan baik. Performa terbaiknya diraih dari proses
training menggunakan YOLO V8x dengan hasil mAP sebesar 97,4%, mAP50-95 sebesar
69,3%, precision 96,5% dan recall 96,1%. Dalam melakukan deteksi objek dari berbagai
jarak tertentu nilai mAP yang dihasilkan lebih besar dari 80% pada jarak kurang dari atau
sama dengan 13 meter. Pada jarak lebih dari 13 meter nilai mAP terus mengalami
penurunan, hingga pada jarak 33 meter sistem sudah tidak dapat mendeteksi keseluruhan
objek dengan benar.
Kata Kunci: alat pelindung diri, deteksi objek, objek kecil, YOLO V8
vii
ABSTRACT
Computer-based personal protective equipment (PPE) detection encounters
numerous challenges. This research addresses two challenges: the necessity to detect
diverse objects within a single frame and the requirement to discern objects positioned at
significant distances from the camera. To address these challenges, a comprehensive
system capable of simultaneously detecting multiple objects, particularly excelling in
detecting small objects, is deemed essential.
Our study leverages the YOLO V8 architecture for object detection, employing a
dataset comprising construction worker images sourced from Kaggle, GitHub, and
RoboFlow. The dataset, encompassing a total of 4732 data points, is strategically divided
into 3773 training images, 732 validation images, and 227 test images. Distance testing is
conducted using primary data, featuring object distances ranging from 1 to 33 meters. The
dataset goes through preprocessing step, followed by training using various YOLO V8
configurations: nano, small, medium, large, and extra-large.
Results from this research demonstrate YOLO V8's adeptness in detecting a diverse
range of objects within images. The best performance was achieved through the training
process with YOLO V8x, with 97.4% mAP, 69.3%, mAP50-95, 96.5% precision and 96.1%
recall. In detecting objects from various distances, the resulting mAP value is greater than
80% at a distance of up to 13 meters. However, beyond this distance, the mAP value
decreases, and the system ceases to detect any objects at 33 meters.
Keywords : object detection, personal protective equipment, small object, YOLO V8

Item Type:	Thesis (Other)
Uncontrolled Keywords:	object detection, personal protective equipment, small object, YOLO V8
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	21 Mar 2024 01:47
Last Modified:	21 Mar 2024 01:47
URI:	http://eprints.upnyk.ac.id/id/eprint/39119

Actions (login required)

View Item