A PHP Error was encountered
Severity: Warning
Message: fopen(/home/rama/public_html/application/cache/sessions/rama_sessiongut11f19l8232je07ui9as2dbgce2qil): failed to open stream: No space left on device
Filename: drivers/Session_files_driver.php
Line Number: 174
Backtrace:
File: /home/rama/public_html/application/core/MY_Controller.php
Line: 8
Function: __construct
File: /home/rama/public_html/application/controllers/Document.php
Line: 6
Function: __construct
File: /home/rama/public_html/index.php
Line: 296
Function: require_once
@thesis{thesis,
author={PRIYOTAMA MUHAMMAD},
title ={SIMULASI SISTEM PERINGATAN KEDATANGAN KERETA API PADA PERLINTASAN SEBIDANG TANPA PALANG PINTU BERBASIS ARTIFICIAL INTELLIGENCE (TENSORFLOW & YOLOv4)},
year={2021},
url={http://eprints.pktj.ac.id/1348/},
abstract={Keselamatan transportasi menjadi tanggungjawab bagi semua moda
transportasi. Perlintasan sebidang merupakan titik konflik persilangan antara
kereta api dengan pengguna jalan. Sesuai dengan peraturan yang berlaku,
kereta api menjadi prioritas saat melewati perlintasan sebidang. Namun,
perngguna jalan seringkali berusaha melanggar peraturan.
Visi Komputer adalah cabang teknologi yang berkembang begitu pesat
pada saat ini. Banyak hal yang dapat dilakukan dengan menggunakan visi
komputer, contohnya seperti sistem robotik dan sistem pendeteksian objek.
Dengan bantuan Tensorflow yaitu sebuah pustaka Machine Learning dari google
dan dengan algoritma Yolov4, penelitian ini bertujuan menjadi solusi alternatif
untuk meningkatkan kewaspadaan pengguna jalan ketika melewati perlintasan
sebidang tanpa palang pintu, dengan cara membuat sistem peringatan
kedatangan kereta api pada perlintasan sebidang tanpa palang pintu.
. Pada penelitian ini, pendeteksian kereta api menjadi tujuan utama
dengan menggunakan dataset dan video Kereta Api melintas sebagai bahan dari
penelitian ini. Pada penelitian ini metode Yolov4 digunakan sebagai alat
pendeteksian objek, dengan kemampuan maksimal 65 fps Yolov4 mampu
mendeteksi objek Kereta Api dengan mAP (mean Average Precision) terendah
pada penelitian ini sebesar 51% dan tertinggi sebesar 98% dan menghasilkan
output suara dan teks peringatan dari LCD Arduino.}
}