Mengembangkan Storage Availability System Menggunakan YOLO untuk Proses Real-Time

Bryan Jahanto, Michael (2025) Mengembangkan Storage Availability System Menggunakan YOLO untuk Proses Real-Time. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (350kB)
	PDF BAB_I.pdf Download (67kB)
	PDF BAB_II.pdf Download (189kB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (56kB)
	PDF DAFTAR_PUSTAKA.pdf Download (114kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (4MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (54kB)

Abstract

Program studi Teknik Elektro UMN memiliki fokus utama dalam bidang otomasi industri. Oleh karena itu, mahasiswa Teknik Elektro diharapkan mampu menjadi lulusan yang menguasai dan berkontribusi dalam bidang tersebut. Dalam pemilihan tempat magang, fokus diarahkan pada bidang otomasi industri, sehingga perusahaan yang dipilih sebagai tempat magang adalah PT Satya Solusindo Indonesia. Proyek magang yang digunakan sebagai dasar pembuatan laporan adalah sistem storage availability system yang memanfaatkan teknologi AI, khususnya object detection yang terintegrasi dengan website dan database. Proses pendeteksian objek akan menggunakan algoritma YOLO (You Only Look Once) version 11. Pemilihan versi tersebut didasari pada kendala yang dialami selama proses magang, dimana nilai F1 score sulit mencapai target yang ditetapkan yaitu 0,8. Algoritma YOLOv11 dipilih karena mampu memiliki nilai F1 hingga 1 pada level confidence 0.4 dan mempertahankan stabilitas hingga 0.8. Namun, penggunaan algoritma ini memerlukan GPU (Graphics Processing Unit) external untuk dapat meningkatkan FPS (Frame Per Seconds) selama proses pendeteksian. Selain itu, sistem komunikasi video streaming antara server dan client juga perlu diperbaharui. Awalnya menggunakan GET dan POST, diubah menjadi HTTP (Hypertext Transfer Protocol) multipart yang lebih relevan untuk mendukung kebutuhan video streaming.

Item Type:	Thesis (MBKM)
Keywords:	storage availability system, object detection, YOLOv11
Divisions:	Faculty of Engineering & Informatics > Electrical Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	17 Jan 2025 12:54
Last Modified:	17 Jan 2025 12:54
URI:	https://kc.umn.ac.id/id/eprint/35642

Actions (login required)

View Item