IMPLEMENTASI ALGORITMA YOLOv8 UNTUK DETEKSI KENDARAAN

Tulungen, Pitters Nicolaus and Sitanayah, Lanny and Angdresey, Apriandy (2024) IMPLEMENTASI ALGORITMA YOLOv8 UNTUK DETEKSI KENDARAAN. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-LEMBARAN_PENGESAHAN_PittersTulungen.pdf Download (169kB)
	PDF ABSTRAK_PittersTulungen.pdf Download (12kB)
	PDF KATA_PENGANTAR-DAFTAR_ISI_PittersTulungen.pdf Download (154kB)
	PDF BAB_I_PittersTulungen.pdf Download (23kB)
	PDF BAB_II-LAMPIRAN_PittersTulungen.pdf Restricted to Repository staff only Download (3MB)

Official URL: https://digilib.unikadelasalle.ac.id/

Abstract

Pengenalan dan deteksi objek merupakan salah satu bidang yang sangat penting dalam Computer Vision. Salah satu aplikasinya adalah deteksi kendaraan, yang memiliki peran penting dalam berbagai bidang seperti sistem pemantauan lalu lintas. Sistem pemantauan lalu lintas yang ada saat ini, seperti Closed Control Television (CCTV), sebagian besar bersifat pasif, terutama digunakan untuk perekaman dan pemantauan tanpa intervensi aktif. Algoritma You Only Look Once (YOLO) versi 8, sebagai algoritma deteksi objek, menawarkan peningkatan signifikan dalam hal efisiensi dan akurasi. Namun, penelitian tentang implementasinya dalam konteks deteksi kendaraan masih terbatas. Oleh karena itu, dalam penelitian ini penulis mengimplementasikan algoritma YOLOv8 untuk pendeteksian dan penghitungan kendaraan pada rekaman video CCTV lalu lintas dalam bentuk aplikasi, sehingga diharapkan dapat memberikan pemahaman yang lebih baik tentang kinerja YOLOv8. Jumlah dataset yang digunakan dalam melakukan proses training model YOLOv8m sebanyak 6827 gambar dengan empat kelas yaitu mobil, sepeda motor, bus, dan truk. Pengujian yang telah dilakukan yaitu melakukan pengujian pada performa algoritma YOLOv8 dengan melakukan training dataset berdasarkan model pretrained YOLOv8m dan melakukan pengujian pada hasil deteksi objek kendaraan berdasarkan 12 video rekaman CCTV. Berdasarkan hasil pengujian, diperoleh nilai mean Average Precision (mAP) sebesar 0.952 pada IoU 0.5, nilai rata-rata tingkat akurasi pada keseluruhan video sebesar 71%, video dengan kondisi cahaya terang sebesar 71.22% dan video dengan kondisi cahaya gelap 70.64%. Selain itu diperoleh persentase akurasi perhitungan objek kendaraan sebesar 98%.

Kata Kunci: Deteksi Objek Kendaraan, You Only Look Once, Video CCTV Lalu Lintas

Item Type:

Thesis (Skripsi)

Creators: