Implementasi Algoritma Yolov5 Untuk Mendeteksi Dan Menghitung Jumlah Kendaraan Menggunakan Algoritma Deepsort

Darmawam, Zaka and Awaliyah Zuraiyah, Tjut and Mulyati, Mulyati (2024) Implementasi Algoritma Yolov5 Untuk Mendeteksi Dan Menghitung Jumlah Kendaraan Menggunakan Algoritma Deepsort. Skripsi thesis, Universitas Pakuan.

Text pdf-Skripsi.pdf Download (3MB)

Abstract

Implementasi Algoritma Yolov5 Untuk Mendeteksi Dan Menghitung Jumlah Kendaraan Menggunakan Algoritma Deepsort Tjut Awaliyah Zuraiyah a,1,* , Mulyati b,2 , Zaka Darmawan b,3 a First affiliation, Address, City and Postcode, Country (9pt) b Second affiliation, Address, City and Postcode, Country (9pt) 1 Email First Author*; 2 Email Second Author; 3 dinnar.hermawan@gmail.com (9pt) * corresponding author 1.Introduction Kota Bogor yang merupakan salah satu kota penyangga ibu kota menjadi kawasan menarik untuk para pendatang, kenaikan jumlah penduduk di Kota Bogor dari tahun ke tahun terus terjadi seiring dengan pembangunan Kota Bogor. Pertumbuhan ini berdampak pada peningkatan jumlah kendaraan yang masuk ke kota setiap harinya. Informasi yang akurat mengenai jumlah kendaraan yang masuk sangat penting untuk perencanaan dan pengelolaan lalu lintas, termasuk dalam menentukan kebijakan transportasi, memperkirakan tingkat kepadatan lalu lintas, serta merencanakan pengembangan infrastruktur jalan yang sesuai dengan kebutuhan. kendaraan yang masuk ke Kota Bogor sebagai kota wisata cukup tinggi sehingga menimbulkan kemacetan di kota Bogor. Diperlukan sebuah data yang akurat mengenai kendaraan yang masuk ke kota Bogor agar A R T I C L E I N F O ABST RACT Article history Received Revised Accepted Kota Bogor yang merupakan salah satu kota penyangga ibu kota menjadi kawasan menarik untuk para pendatang, kendaraan yang masuk ke Kota Bogor sebagai kota wisata cukup tinggi sehingga menimbulkan kemacetan di kota Bogor. Diperlukan sebuah data yang akurat mengenai kendaraan yang masuk ke kota Bogor agar data membuat keputusan yang tepat dalam tata kelola berkendara. dibutuhkan penerapan AI (Artificial Intelligence) khususnya Computer vision dalam melakukan penghitungan kendaraan secara otomatis. Dari hasil UAT kendaraan dapat terdeteksi pada jarak 100meter lebih dari itu objek kendaraan tidak dapat terdeteksi. Hasil output mendapatkan nilai mean average precision (mAP) mendapat nilai hingga 85% dengan tingkat error box loss dan object loss yang minim yaitu 0.09% dan 0.08%. Selain itu model mendapatkan F1 score sebesar 89%. Hasil dari uji UAT model test menggunakan input sample video sebanyak 14 pada waktu pagi dan sore hari di atas JPO Botani dengan jarak 50meter yang diproses melalui website dengan model yang sudah diproses menggunakan dataset mandiri mendeteksi jumlah kendaraan sebanyak 4640 dengan hasil true positive (TP) sebanyak 4633, true negative (TN) sebanyak 6, false positive (FP) sebanyak 1, false negative (FN) sebanyak dengan 1 dan menghasilkan akurasi sebesar 99%, precision dengan nilai 99%. This is an open access article under the CC–BY-SA license.

Item Type:	Thesis (Skripsi)
Subjects:	Fakultas Ilmu Pengetahuan Alam dan Matematika > Ilmu Komputer
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer
Depositing User:	PERPUSTAKAAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNPAK
Date Deposited:	16 Jan 2025 02:19
Last Modified:	16 Jan 2025 02:19
URI:	http://eprints.unpak.ac.id/id/eprint/8847

Actions (login required)

View Item