Klasifikasi Objek Dan Perhitungan Berdasarkan Jenis Kendaraan Menggunakan Yolov3
Upaya memecah kemacetan mencakup penggunaan volume informasi kendaraan di jalan raya, kemudian dilakukan untuk melacak kepadatan lalu lintas. Secara umum, proses pengumpulan data, jumlah kendaraan dilakukan dengan menghitung kendaraan secara manual yaitu menghitung satu persatu dan melakukan perhitungan secara menyeluruh tidak secara spesifik yaitu jenis kendaraan apa saja yang melintas. Penelitian mengenai kecerdasan buatan seperti deteksi objek dapat membantu peneliti mengenali objek dalam gambar dengan lebih mudah. Serta dapat menghitung jumlah kendaraan secara otomatis berdasarkan jenis kendaraan pada waktu yang bersamaan. Pada penelitian ini, metode You Only Look Once (YOLO) dipilih sebagai metode untuk melakukan klasifikasi objek dan perhitungan jenis kendaraan. Penelitian ini menggunakan dataset sebanyak 607 gambar yang dibagi menjadi empat kelas yaitu motor, mobil, truk, dan bus. Dari hasil penelitian menunjukkan bahwa algoritma YOLO dengan custom model yang telah dilatih menghasilkan nilai mean Average Precision (mAP) yang cukup baik sebesar 99,85%. Hasil nilai akurasi yang dilakukan di Jembatan Penyeberangan Orang (JPO) Jl. Gajah Mada Kota Samarinda pada klasifikasi objek dan penghitungan jenis kendaraan pada skenario pagi hari mendapatkan nilai 92,25%, pada waktu siang hari 91,86%, pada waktu sore hari 94,97%, pada kondisi setelah hujan mendapat nilai 99,77%. Pengujian juga dilakukan pada JPO Jl. Mayjen S Parman pada waktu siang hari mendapatkan nilai 98,83%.
Ketersediaan
Detail Information
Judul | Klasifikasi Objek Dan Perhitungan Berdasarkan Jenis Kendaraan Menggunakan Yolov3 |
---|---|
Pengarang | ARI WINANTO - Personal Name |
No. Panggil | SKRIPSI ARI k 2022 |
Subyek | YOLO, Klasifikasi Objek, Perhitungan Kendaraan, Deep Learning, Computer Vision |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2022 |
Penerbit | Fakultas Teknik |
Jurusan | INFORMATIKA |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY