PENERAPAN ALGORITMA YOLOv5 PADA SISTEM PENGENALAN RAMBU LALU LINTAS PADA KONDISI VISIBILITAS RENDAH

KURNIAWAN, MOCHAMMAD ALFAIN (2025) PENERAPAN ALGORITMA YOLOv5 PADA SISTEM PENGENALAN RAMBU LALU LINTAS PADA KONDISI VISIBILITAS RENDAH. Skripsi thesis, UPN Veteran Yogyakarta.

	Text 2_Cover_123190065_Mochammad Alfain Kurniawan.pdf Download (203kB)
	Text 3_Abstrak_123190065_Mochammad Alfain Kurniawan.pdf Download (251kB)
	Text 4_Halaman Pengesahan_123190065_Mochammad Alfain Kurniawan.pdf Download (79kB)
	Text 5_Daftar Isi_123190065_Mochammad Alfain Kurniawan.pdf Download (252kB)
	Text 6_Daftar Pustaka_123190065_Mochammad Alfain Kurniawan.pdf Download (146kB)
	Text 1_Skripsi full_123190065_Mochammad Alfain Kurniawan.pdf Restricted to Repository staff only Download (11MB)

Abstract

Sistem pengenalan rambu lalu lintas merupakan komponen penting untuk keamanan
dalam sistem transportasi cerdas, namun implementasinya dihadapkan pada tantangan
seperti variasi rambu dan kondisi visibilitas yang rendah. Meskipun metode sebelumnya
seperti CNN, YOLOv4, dan SVM telah digunakan, masing-masing memiliki kekurangan,
mulai dari komputasi yang lambat hingga akurasi yang menurun pada visibilitas rendah.
Untuk mengatasi masalah ini, penelitian ini mengusulkan penggunaan metode YOLOv5
yang dikenal memiliki kecepatan komputasi dan akurasi yang optimal. Dengan menerapkan
dan menyesuaikan YOLOv5, diharapkan dapat dikembangkan sistem pengenalan rambu lalu
lintas yang lebih efektif dan andal untuk kondisi nyata, khususnya dalam situasi visibilitas
rendah. Situasi visibilitas rendah yang dimaksud disini adalah ketika kondisi gelap/intensitas
cahaya rendah.
Penelitian ini bertujuan untuk mengetahui akurasi dan mendapatkan performa terbaik
pada sistem pengenalan rambu lalu lintas pada kondisi visibilitas rendah. Menggunakan data
rambu lalu lintas diambil dari roboflow sebanyak 10000 data yang kemudian melalui tahap
preprocessing. Data tersebut kemudian dilakukan pelatihan model dan pengujian model
berdasarkan 3 konfigurasi yang telah ditentukan. Kemudian hasilnya akan di evaluasi
menggunakan confusion matrix.
Hasil dari penelitian ini, tiga konfigurasi model menunjukkan performa yang berbeda
setelah diuji dalam kondisi dunia nyata. Meskipun Konfigurasi 1 dan 2 sama-sama
menunjukkan kinerja luar biasa selama pelatihan dengan metrik presisi dan recall yang
nyaris sempurna (~0.99), Konfigurasi 2 memiliki keunggulan tipis pada akurasi penempatan
bounding box. Perbedaan ini terbukti krusial saat pengujian di malam hari, di mana
Konfigurasi 2 menunjukkan stabilitas dan keandalan tertinggi dengan F1 Score 88,3%, jauh
melampaui Konfigurasi 1 yang performanya turun drastis menjadi 65%. Sementara itu,
Konfigurasi 3, yang performa pelatihannya berada di tingkat menengah, justru membuktikan
ketangguhannya dengan F1 Score 82% pada kondisi malam. Secara keseluruhan,
keunggulan teoretis kecil yang dimiliki Konfigurasi 2 selama pelatihan termanifestasi
menjadi superioritas praktis yang signifikan dalam hal stabilitas di berbagai kondisi
pencahayaan, menjadikannya model yang paling unggul dan direkomendasikan.
Kata Kunci: Yolov5; Rambu Lalu Lintas; Pengenalan Objek

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	MOCHAMMAD ALFAIN KURNIAWAN (Penulis-123190065) ; Awang Hendrianto Pratomo (Pembimbing)
Uncontrolled Keywords:	Yolov5; Rambu Lalu Lintas; Pengenalan Objek
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	A.Md Eko Suprapti
Date Deposited:	22 Oct 2025 02:29
Last Modified:	22 Oct 2025 02:29
URI:	http://eprints.upnyk.ac.id/id/eprint/44730

Actions (login required)

View Item