Implementasi Pengolahan Citra Berbasis YOLOv7 untuk Perhitungan Jumlah Kendaraan Bermotor di Jalan Raya

Septiawan Salim, Benny (2023) Implementasi Pengolahan Citra Berbasis YOLOv7 untuk Perhitungan Jumlah Kendaraan Bermotor di Jalan Raya. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (211kB) | Preview
Preview	PDF BAB_I.pdf Download (213kB) | Preview
Preview	PDF BAB_II.pdf Download (856kB) | Preview
Preview	PDF BAB_III.pdf Download (1MB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (18MB)
Preview	PDF BAB_V.pdf Download (207kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Peningkatan jumlah kendaraan bermotor jalan raya menjadi salah satu permasalahan adanya kemacetan di Indonesia, sehingga perlu dilakukan strategi rekayasa lalu lintas untuk mengetahui informasi jumlah kendaraan serta titik kemacetan jalan. Salah satu implementasi yang bisa dimanfaatkan berupa klasifikasi objek kendaraan bermotor maupun perhitungan jumlah kendaraan dengan memanfaatkan kehadiran teknologi kecerdasan buatan seperti pengolahan citra sebagai pengembangan dari cara konvensional. Penelitian ini memanfaatkan teknologi YOLOv7 dalam melakukan deteksi kendaraan serta perhitungan kendaraan yang dibantu melalui algoritma Deep SORT tracking. Hasil perhitungan dimanfaatkan sebagai informasi jumlah kendaraan yang lewat pada jalan raya. Model terbaik dalam proses deteksi YOLOv7 dengan Google Open Images Dataset v7 pada 2000 data gambar kendaraan not resized menghasilkan skor akurasi 86.6 persen, precision 82.6 persen, recall 77.2 persen, f1 score 79.8 persen, mAP 0.5 dengan skor 83.2 persen, dan mAP 0.95 dengan skor 65.3 persen. Hasil perhitungan berbasis YOLOv7 hanya menghasilkan perhitungan kendaraan sesuai dengan jumlah deteksi yang aktif pada frame, sedangkan hasil perhitungan pada Deep SORT menghasilkan perhitungan kendaraan secara incremental dengan penerapan perhitungan unique ID hanya satu kali pada masing-masing objek kendaraan.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Deep SORT, deteksi objek kendaraan bermotor, perhitungan kendaraan bermotor, YOLOv7.
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 > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	06 Jul 2023 09:52
Last Modified:	25 Aug 2023 08:28
URI:	https://kc.umn.ac.id/id/eprint/25767

Actions (login required)

View Item