Hutabarat, Ezra Toga Parulian ( 1522036 ) (2021) Perancangan Dan Realisasi Sistem Deteksi Kendaraan Pelanggar Lalu Lintas Dengan Pengolahan Citra Dan Algoritma You Only Look Once (Yolo). Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
1522036_ABSTRACT_TOC.pdf - Accepted Version Download (443Kb) | Preview |
|
|
Text
1522036_Chapter1.pdf - Accepted Version Download (389Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1522036_Chapter2.pdf - Accepted Version Restricted to Registered users only Download (1161Kb) |
|
|
Text
1522036_Chapter3.pdf - Accepted Version Restricted to Registered users only Download (585Kb) |
|
|
Text
1522036_Chapter4.pdf - Accepted Version Restricted to Registered users only Download (2746Kb) |
|
|
Text
1522036_Conclusion.pdf - Accepted Version Download (37Kb) | Preview |
|
|
Text
1522036_Cover.pdf - Accepted Version Download (276Kb) | Preview |
|
|
Text
1522036_References.pdf - Accepted Version Download (161Kb) | Preview |
Abstract
Jumlah pelanggaran lalu lintas di Indonesia, semakin hari semakin bertambah. Salah satu jenis pelanggaran lalu lintas yang memungkinkan untuk dideteksi secara otomatis adalah pelanggaran lampu lalu lintas. Untuk deteksi secara otomatis, diperlukan Jaringan Saraf Tiruan (JST). JST adalah sistem komputerisasi yang memiliki struktur dan cara kerja seperti jaringan syaraf pada manusia. Salah satu jenisnya adalah Convolutional Neural Network (CNN). CNN memiliki berbagai algoritma untuk jaringannya. Diantaranya R-CNN, ResNet, AlexNet, dan salah satunya You Only Look Once (YOLO). Berdasarkan penelitian yang didapat YOLO mampu deteksi objek berupa kendaraan dengan Accuracy kurang lebih 90%. YOLO adalah algoritma CNN untuk deteksi objek secara real-time. Pada Tugas Akhir ini, akan dirancang dan direalisasikan sistem deteksi kendaraan pelanggar lampu lalu lintas dengan algoritma YOLO. Untuk mendapat batas garis pelanggaran dilakukan operasi Canny Edge Detector dan Hough Line Transform. Untuk deteksi kendaran pelanggar beserta plat nomor-nya gunakan algoritma YOLO. Pada Tugas Akhir ini dilakukan pengujian terhadap 39 sampel data. Pengujian berdasarkan jarak kamera terhadap lampu lalu lintas, didapatkan persentase keberhasilan deteksi kendaraan pelanggar sebesar 88,88% pada jarak 3 meter, 91,66% pada jarak 4 meter dan 94,73% pada jarak 5 meter. Pengujian berdasarkan waktu pengambilan data, persentase keberhasilan deteksi kendaraan pelanggar sebesar 93,33% pada Sore hari dan 95,83% pada Malam hari. Keberhasilan perhitungan jumlah kendaraan pelanggar 52,05% dan persentase deteksi plat kendaraan pelanggar adalah 50%
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | YOLO, JST, Kendaraan, Pelanggar, Hough Line, Canny Edge, Akurasi |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 23 Sep 2022 06:45 |
| Last Modified: | 23 Sep 2022 06:45 |
| URI: | http://repository.maranatha.edu/id/eprint/30517 |
Actions (login required)
 |
View Item |
