Skripsi

DETEKSI OBJEK SEKITAR MENGGUNAKAN ALGORITMA YOU ONLY LOOK ONCE (YOLO) UNTUK AUTONOMOUS ELECTRIC VEHICLE

---

Penilaian

---

Kondisi jalan Indonesia yang bervariasi dibanding negara lain menuntut autonomous electric vehicle untuk mengetahui kondisi sekitarnya. Sehingga, autonomous vehicle perlu memiliki kemampuan untuk mendeteksi objek dengan akurasi dan kecepatan mendeteksi yang tinggi. Selain itu, autonomous vehicle juga perlu mengetahui jarak objek di sekitar terhadap kendaraan tersebut. Penelitian ini mengembangkan metode menggunakan kamera untuk menangkap citra dan diproses dengan teknologi image processing yaitu algoritma cerdas You Only Look Once (YOLO) berbasis Convolutional Neural Network(CNN) yang mampu mendeteksi beberapa objek dengan simultan secara real-time. Pada penelitian ini, performansi model Tiny YOLO VOC dan Tiny YOLOv2 diuji dalam mendeteksi objek berupa mobil, motor, pohon, bentor, manusia, tiang, tanda jalan, serta bangunan. Sedangkan untuk mengukur jarak objek terhadap kendaraan secara real-time dilakukan dengan menggunakan metode depth information. Data yang digunakan dalam penelitian ini adalah kondisi jalan di sekitar lingkungan Fakultas Teknik hingga gedung rektorat Universitas Sriwijaya. Hasil penelitian menunjukkan bahwa model terbaik Tiny YOLOv2 adalah pada batch 16, 100 epoch dengan nilai loss 4,48 dan model terbaik Tiny YOLO VOC adalah pada batch 32, 300 epoch dengan nilai loss 3,70. Hasil pengujian menunjukkan bahwa performansi model Tiny YOLO VOC memiliki akurasi yang lebih baik dibandingkan model Tiny YOLOv2 dengan akurasi mencapai 93,45%. Pada saat diuji dengan menggunakan data berbeda yang memiliki saturasi tinggi secara real-time, model tersebut memiliki akurasi sebesar 47,45%. Akurasi yang rendah diakibatkan oleh kualitas pencahayaan dan kamera yang tidak stabil. Penelitian ini juga membandingkan deteksi objek YOLO dengan pengukuran jarak depth information dan deteksi objek HSV dengan OpenCV dimana hasilnya deteksi objek YOLO lebih baik dengan akurasi yang tinggi sebesar 85,36% dan pengukuran jarak yang baik pada jarak dekat.

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2007001423	T40369	T403692020	Central Library (REFERENCES)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T403692020

Publisher

Inderalaya : Prodi Teknik Elektro, Fakultas Teknik Universitas Sriwijaya., 2020

Collation

xvii, 92 hlm.; tab.; ilus.; 28 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

629.807

Content Type

Text

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Teknik elektro
Teknik Autonomous Electric Vehicle

Specific Detail Info

-

Statement of Responsibility

MI

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment