Muhammad, Rosyan Amanullah, 51904110035 and Ronny, Makhfuddin Akbar, 0709078604 and Yesy, Diah Rosita, 0705108503 (2023) IMPLEMENTASI METODE YOLO UNTUK KLASIFIKASI DAN PERHITUNGAN JUMLAH KENDARAAN PADA CCTV PERSIMPANGAN JALAN RAYA KOTA MOJOKERTO. Bachelor thesis, Universitasi Islam Majapahit Mojokerto.
![[img]](http://repository.unim.ac.id/style/images/fileicons/text.png) |
Text
Abstrak.pdf Restricted to Registered users only Download (935kB) | Request a copy |
|
Text
BAB 1.pdf Download (217kB) |
|
Text
BAB 2.pdf Restricted to Registered users only Download (493kB) | Request a copy |
|
Text
BAB 3.pdf Restricted to Registered users only Download (412kB) | Request a copy |
|
Text
BAB 4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
Text
BAB 5.pdf Download (176kB) |
|
Text
DAFTAR PUSTAKA.pdf Download (122kB) |
|
Text
LAMPIRAN.pdf Restricted to Registered users only Download (1MB) | Request a copy |
Abstract
Kemacetan lalu lintas merupakan masalah serius di kota-kota besar di Indonesia dan di seluruh dunia. Mendeteksi kendaraan menggunakan kecerdasan buatan sangat penting untuk merekam arus lalu lintas. Metode yang digunakan adalah You Only Look Once v4 atau YOLOv4 yang menggunakan model Deepsort untuk mengenali objek. Karena meningkatnya jumlah kendaraan dan jalan yang lebih panjang, masalah tambahan muncul. Inilah sebabnya mengapa jumlah kendaraan meningkat sementara jumlah panjang jalan hanya sedikit meningkat. Dengan data dari kamera CCTV, sistem dapat mendeteksi dan membandingkan gambar mobil, bus, truk, dan sepeda motor. Hal ini memungkinkan para profesional di Simpang untuk menghitung arus lalu lintas menggunakan gambar dan data. Data tersebut kemudian digunakan untuk memperbaiki sistem di masa depan.Didapatkan hasil akurasi pada video pagi 74,8%, video siang 94,3%, video sore 93,6%, video malam 53,3%, video kondisi hujan 50% dan berinilai adalah 100% pada video pagi dan siang hari sedangkan akurasi video sore 88%, video malam 93,7%, dan kondisi hujan 75% pada perhitungan melalui confusion matrix.
| Item Type: | Skripsi/Thesis (Bachelor) |
|---|---|
| Uncontrolled Keywords: | deep learning, pelacakan objek, komputer visi, YOLOv4 |
| Subjects: | 0 Majapahit Islamic University Subject Areas > Fakultas Teknik > Teknik Informatika |
| Divisions: | Faculty of Engineering > Computer and Information Technology |
| Depositing User: | Amanullah Muhammad Rosyan |
| Date Deposited: | 31 Jul 2023 08:22 |
| Last Modified: | 31 Jul 2023 08:22 |
| URI: | http://repository.unim.ac.id/id/eprint/4546 |
Actions (login required)
 |
View Item |
