Rancang Bangun Sistem Klasifikasi dan Counting Kendaraan dengan Metode YOLOv3
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Nurhawaisah, Nurhawaisah
Subject
TA Engineering (General). Civil engineering (General)
Datestamp
2021-08-02 09:46:35
Abstract :
Pertumbuhan jumlah penduduk di Indonesia semakin tahun semakin meningkat. Peningkatan jumlah penduduk ini juga diikuti oleh meningkatnya kebutuhan akan transportasi yang jika tidak diiringi oleh pengembangan infrasturktur jalan raya akan menyebabkan kemacetan. Dalam pengembangan infrastruktur jalan dibutuhkan pengumpulan data-data sebagai pertimbangan dalam perencanaan pengembangan jalan. Salah satu data yang dibutuhkan ialah jumlah kendaraan yang melintas pada suatu jalan. Saat ini, dalam memperoleh data tersebut dilakukan survei dengan menggunakan tenaga manusia untuk melakukan counting manual. Memanfaatkan perkembangan teknologi saat ini dalam bidang kecerdasan buatan, maka dilakukan penelitian terkait rancang bangun sistem klasifikasi dan counting kendaraan secara otomatis. Metode yang dilakukan pada penelitian ini ialah dengan menggunakan YOLOv3 yang merupakan sebuah algoritma yang dikembangkan untuk object detection secara real time. Tahapan penelitian yang dilakukan ialah studi literatur terkait pemahaman mengenai sistem object detection, pengambilan data video uji, perancangan sistem klasifikasi dan counting kendaraan dan sistem diuji terhadap video uji yang telah ditentukan. Selanjutnya, data yang diperoleh dari sistem diolah dan dianalisa untuk mendapatkan tingkat akurasi dan presisi sistem dalam mendeteksi kendaraan. Berdasarkan analisa didapatkan nilai akurasi dalam mendeteksi sistem pada pagi hari 80%-100%, siang hari 87,5%-100%, malam hari 57,14%-100%. Presisi pada pagi hari 60%-100%, siang hari 100%, malam hari 33,33%-100%. Sensitivitas pada pagi hari 75%-100%, siang hari 80%-100%, malam hari 33,33%-100%. Spesifisitas pada pagi hari 81,82%-100%, siang hari 87,5%-100%, malam hari 33,33%-100%. Sedangkan nilai akurasi sistem dalam melakukan counting pada pagi hari 78,57%-100%, siang hari 35,71%-100%, malam hari 57,14%-100%. Presisi pada pagi hari 50%-100%, siang hari 37,5%-100%, malam hari 25%-100%. Sensitivitas pada pagi hari 70%-100%, siang hari 60%-100%, malam hari 18,18%-100%. Spesifisitas pada pagi hari 44,44%-100%, siang hari 71,43%-100%, malam hari 40%-100%.
Pertumbuhan jumlah penduduk di Indonesia semakin tahun semakin meningkat. Peningkatan jumlah penduduk ini juga diikuti oleh meningkatnya kebutuhan akan transportasi yang jika tidak diiringi oleh pengembangan infrasturktur jalan raya akan menyebabkan kemacetan. Dalam pengembangan infrastruktur jalan dibutuhkan pengumpulan data-data sebagai pertimbangan dalam perencanaan pengembangan jalan. Salah satu data yang dibutuhkan ialah jumlah kendaraan yang melintas pada suatu jalan. Saat ini, dalam memperoleh data tersebut dilakukan survei dengan menggunakan tenaga manusia untuk melakukan counting manual. Memanfaatkan perkembangan teknologi saat ini dalam bidang kecerdasan buatan, maka dilakukan penelitian terkait rancang bangun sistem klasifikasi dan counting kendaraan secara otomatis. Metode yang dilakukan pada penelitian ini ialah dengan menggunakan YOLOv3 yang merupakan sebuah algoritma yang dikembangkan untuk object detection secara real time. Tahapan penelitian yang dilakukan ialah studi literatur terkait pemahaman mengenai sistem object detection, pengambilan data video uji, perancangan sistem klasifikasi dan counting kendaraan dan sistem diuji terhadap video uji yang telah ditentukan. Selanjutnya, data yang diperoleh dari sistem diolah dan dianalisa untuk mendapatkan tingkat akurasi dan presisi sistem dalam mendeteksi kendaraan. Berdasarkan analisa didapatkan nilai akurasi dalam mendeteksi sistem pada pagi hari 80%-100%, siang hari 87,5%-100%, malam hari 57,14%-100%. Presisi pada pagi hari 60%-100%, siang hari 100%, malam hari 33,33%-100%. Sensitivitas pada pagi hari 75%-100%, siang hari 80%-100%, malam hari 33,33%-100%. Spesifisitas pada pagi hari 81,82%-100%, siang hari 87,5%-100%, malam hari 33,33%-100%. Sedangkan nilai akurasi sistem dalam melakukan counting pada pagi hari 78,57%-100%, siang hari 35,71%-100%, malam hari 57,14%-100%. Presisi pada pagi hari 50%-100%, siang hari 37,5%-100%, malam hari 25%-100%. Sensitivitas pada pagi hari 70%-100%, siang hari 60%-100%, malam hari 18,18%-100%. Spesifisitas pada pagi hari 44,44%-100%, siang hari 71,43%-100%, malam hari 40%-100%.
File :
07171062_abstact_en.pdf
07171062_abstract_id.pdf
07171062_enclosure.pdf
07171062_form.pdf
07171062_illustration.pdf
07171062_paper.pdf
07171062_preface.pdf
07171062_presentation.pdf
07171062_publishing_agreement.pdf
07171062_statement_of_authenticity.pdf
07171062_table_of_content.pdf
07171062_tables.pdf
07171062_approval_sheet.pdf
07171062_bibliography.pdf
07171062_chapter_1.pdf
07171062_chapter_2.pdf
07171062_chapter_3.pdf
07171062_chapter_4.pdf
07171062_conclusions.pdf
07171062_cover.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
