Perbandingan Model Object Detection YOLO untuk Deteksi Plat Nomor Kendaraan pada Jalan Tol Secara Real-Time

Fareliandira, Michael (2023) Perbandingan Model Object Detection YOLO untuk Deteksi Plat Nomor Kendaraan pada Jalan Tol Secara Real-Time. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (844kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (301kB) | Preview
Preview	PDF BAB_I.pdf Download (302kB) | Preview
Preview	PDF BAB_II.pdf Download (4MB) | Preview
Preview	PDF BAB_III.pdf Download (785kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (10MB)
Preview	PDF BAB_V.pdf Download (290kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (806kB)

Abstract

Jalan tol menjadi salah satu infrastruktur fundamental dalam menunjang perkembangan suatu daerah, karena memberikan kemudahan akses. Namun, permasalahan yang sering terjadi adalah adanya kemacetan yang salah satunya diakibatkan oleh sistem pembayarannya yang masih kurang efektif. Dengan menggunakan teknologi computer vision untuk secara otomatis membaca informasi plat nomor kendaraan pengguna lalu melakukan proses pembayarannya secara otomatis, waktu pembayaran dapat menjadi lebih cepat. Pada penelitian ini, penulis hanya melakukan perancangan terhadap model real-time object detection-nya saja menggunakan model YOLO serta membandingkan performa antara YOLOv5s dan YOLOv7-tiny. Kedua model akan diuji untuk mendeteksi objek plat nomor pada kendaraan secara real-time di jalan tol dengan menggunakan dataset, hyperparameter serta environment yang sama. Training kedua model dilakukan pada Google Colab Pro, dan diuji menggunakan device laptop untuk mengujinya secara real-time. Hasilnya menunjukkan YOLOv7-tiny lebih unggul secara keseluruhan dengan 3-5% lebih baik di mana mencapai nilai [email protected] sebesar 90%, precision 84%, recall 86%, serta mencapai 4.5 FPS. Model ini juga lebih efisien dan cepat dengan waktu training ± 25 jam. Ini menunjukkan bahwa YOLOv7 lebih baik dan cocok untuk diimplementasikan pada sistem dengan studi kasus deteksi objek plat nomor kendaraan.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Computer Vision, Real-time Object Detection, YOLO, Plat Nomor, Jalan Tol
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	10 Apr 2023 09:56
Last Modified:	29 May 2023 07:59
URI:	https://kc.umn.ac.id/id/eprint/25242

Actions (login required)

View Item