Pengembangan Sistem Deteksi Objek Menggunakan Model YOLOv8 untuk Pemantauan Keamanan Gudang di PT Porto Indonesia Sejahtera

Purnama, Lindu (2025) Pengembangan Sistem Deteksi Objek Menggunakan Model YOLOv8 untuk Pemantauan Keamanan Gudang di PT Porto Indonesia Sejahtera. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (822kB)
	PDF BAB_I.pdf Download (287kB)
	PDF BAB_II.pdf Download (346kB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (262kB)
	PDF DAFTAR_PUSTAKA.pdf Download (187kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (53kB)

Abstract

Program magang merupakan bagian dari kurikulum wajib di Universitas Multimedia Nusantara yang bertujuan untuk memberikan pengalaman langsung kepada mahasiswa dalam dunia kerja. Penulis melaksanakan kegiatan magang di PT Porto Indonesia Sejahtera sebagai IT Infrastructure Intern selama periode April hingga Juli 2025. Selama magang, penulis terlibat dalam proyek pengembangan sistem deteksi objek berbasis Artificial Intelligence (AI) yang memanfaatkan algoritma YOLOv8 untuk mendeteksi objek berupa api, orang, dan truk melalui kamera CCTV secara real-time. Dataset yang digunakan diperoleh dari platform Roboflow dan dilatih menggunakan Google Colab dengan bantuan GPU. Hasil pengujian menunjukkan bahwa model YOLOv8 mampu mencapai nilai rata-rata precision sebesar 0,817, recall 0,718, serta mAP50 sebesar 0,812. Sistem ini juga dapat berjalan secara real-time dengan rata-rata waktu inferensi sekitar 21,6 ms per gambar, meskipun masih terdapat kendala mis-klasifikasi objek dalam kondisi tertentu. Selain aspek teknis, kegiatan magang juga memberikan pengalaman non- teknis seperti kerja sama tim, manajemen waktu, dan komunikasi profesional melalui berbagai rapat koordinasi. Hasil dari program magang ini menunjukkan bahwa teknologi AI memiliki potensi besar dalam meningkatkan sistem keamanan perusahaan, dan pengalaman ini turut memperkaya pengetahuan serta keterampilan penulis baik dari sisi akademik maupun profesional.

Item Type:	Thesis (MBKM)
Keywords:	Artificial Intelligence, YOLOv8, Deteksi Objek, CCTV, IT Infrastructure
Subjects:	?? TK7885-7895 ??
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	23 Jul 2025 13:01
Last Modified:	23 Jul 2025 13:01
URI:	https://kc.umn.ac.id/id/eprint/39165

Actions (login required)

View Item