PENERAPAN ALGORITMA YOU ONLY LOOK ONCE (YOLOv8) UNTUK MENDETEKSI KETERSEDIAAN LAHAN PARKIR KOSONG SECARA REAL TIME

Sitorus, Jeremy Kevin Alexandro (2024) PENERAPAN ALGORITMA YOU ONLY LOOK ONCE (YOLOv8) UNTUK MENDETEKSI KETERSEDIAAN LAHAN PARKIR KOSONG SECARA REAL TIME. Other thesis, UPN "Veteran" Yogyakarta.

	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (8MB)
	Text COVER.pdf Download (166kB)
	Text ABSTRAK.pdf Download (775kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (490kB)
	Text PENGESAHAN PENGUJI.pdf Download (491kB)
	Text DAFTAR ISI.pdf Download (1MB)
	Text DAFTAR PUSTAKA.pdf Download (0B)

Abstract

Ketersediaan lahan parkir yang terbatas di area perkotaan sering kali menjadi masalah
bagi pengendara, terutama saat jam sibuk. Teknologi deteksi objek menggunakan metode You
Only Look Once (YOLO) telah berkembang sebagai salah satu solusi untuk masalah ini.
Penelitian ini bertujuan untuk menerapkan algoritma YOLOv8 dalam mendeteksi ketersediaan
lahan parkir kosong secara real-time. Dataset yang digunakan terdiri dari 5.040 citra yang
dikumpulkan dari Roboflow, yang setelah dilakukan pembersihan menjadi 3.078 gambar. Data
tersebut kemudian dibagi menjadi 80% data pelatihan (2.467 gambar) dan 20% data validasi
(612 gambar). Model YOLOv8 dilatih melalui transfer learning dengan augmentasi data yang
menghasilkan 7.398 gambar. Hasil dari proses pelatihan dengan menggunakan augmentasi data
didapatkan nilai mAP50 sebesar 94.1%, dan nilai mAP50-95 77,3% sedangkan model yang
tidak melalui proses augmentasi data mendapatkan nilai mAP50 sebesar 93,5% dan nilai
mAP50-95 sebesar 76,1%.
Pengujian sistem dengan data primer menunjukkan bahwa model Yolov8n yang
dibangun menggunakan augmentasi data dapat mendeteksi slot parkir kosong dengan tingkat
akurasi yang tinggi, mencapai 100% pada kondisi cerah, 96% pada kondisi mendung, dan 96%
pada kondisi hujan. Sedangkan pada pengujian sistem untuk model yang tidak melalui proses
augmentasi data didapatkan hasil yang kurang baik yaitu 87,5% pada cuaca cerah, 92% pada
cuaca hujan dan 80% pada cuaca mendung. Hal ini menunjukkan bahwa proses augmentasi data
membantu meningkatkan kinerja dari model Yolov8n yang dibangun.
Dilakukan juga proses deployment menggunakan NGROK agar pengerndara/user dapat
menggunakan sistem yang telah dibangun dengan lebih mudah dan efisien. Implementasi ini
memberikan solusi yang lebih efisien dan cepat bagi pengendara, mengurangi waktu pencarian
parkir secara signifikan.
Kata Kunci: YOLOv8n, Augmentasi, Deteksi Objek, , Real-Time, Ketersediaan Parkir.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	YOLOv8n, Augmentasi, Deteksi Objek, , Real-Time, Ketersediaan Parkir.
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	07 Nov 2024 02:11
Last Modified:	07 Nov 2024 02:11
URI:	http://eprints.upnyk.ac.id/id/eprint/41577

Actions (login required)

View Item