IMPLEMENTASI ALGORITMA YOLO UNTUK DETEKSI OBJEK SISTEM KEMUDI PADA KENDARAAN BERMOTOR

LUIS, JIHAN (2025) IMPLEMENTASI ALGORITMA YOLO UNTUK DETEKSI OBJEK SISTEM KEMUDI PADA KENDARAAN BERMOTOR. Diploma thesis, POLITEKNIK KESELAMATAN TRANSPORTASI JALAN.

	Text (ABSTRAK) 22031050-KKW-ABSTRAK.pdf Download (416kB)
	Text (BAB 1) 22031050-KKW-BAB_1.pdf Download (112kB)
	Text (BAB 2) 22031050-KKW-BAB_2.pdf Restricted to Registered users only Download (595kB) | Request a copy
	Text (BAB 3) 22031050-KKW-BAB_3.pdf Restricted to Registered users only Download (463kB) | Request a copy
	Text (BAB 4) 22031050-KKW-BAB_4.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text (BAB 5) 22031050-KKW-BAB_5.pdf Download (112kB)
	Text (BAB 5) 22031050-KKW-LAMPIRAN.pdf Download (685kB)

Abstract

Sistem kemudi merupakan salah satu komponen penting dalam kendaraan bermotor yang berfungsi untuk mengatur arah kendaraan, menjaga kestabilan dalam berkendara. Kerusakan yang diakibatkan sistem kemudi yang abnormal dapat berakibat fatal bagi keselamatan, sehingga pemeriksaan sistem kemudi harus dilakukan dengan akurat. Namun saat ini pemeriksaan sistem kemudi, khususnya pada bagian kolong kendaraan masih dilakukan secara manual dan bergantung pada keahlian penguji, yang menyebabkan keterbatasan dalam kecepatan pemeriksaan. Penelitian ini bertujuan membuat sistem deteksi objek otomatis pada komponen sistem kemudi kendaraan bermotor berbasis algoritma You Only Look Once (YOLO) menggunakan versi YOLOv8, YOLOv9, dan YOLOv11. Penelitian ini berfokus pada sistem kemudi tipe rack and pinion pada kendaraan dengan JBB di bawah 3,5 ton. Tahapan yang digunakan yaitu pengumpulan dataset berupa 1.000 gambar komponen sistem kemudi, anotasi dataset menggunakan Roboflow, pelatihan model dengan Google Colab, serta evaluasi performa model menggunakan confusion matrix. Evaluasi hasil dari ketiga versi YOLO yang diuji, menunjukan bahwa YOLOv9 menghasilkan performa terbaik dengan nilai precision sebesar 97,6%, recall 98%, F1-score 94%, dan mAP sebesar 95,9%. YOLOv9 terbukti mampu mengenali dan mengklasifikasikan kerusakan pada komponen-komponen seperti ball joint, tie rod, tie rod end, boot, housing rack and pinion, dan knuckle arm secara lebih akurat dan cepat dibandingkan kedua versi lainnya. Implementasi sistem real time berbasis YOLOv9 juga memungkinkan deteksi komponen yang ditampilkan langsung melalui kamera inspeksi bawah kendaraan, memberikan informasi visual kepada penguji dan pengemudi secara langsung. Dengan penerapan sistem deteksi otomatis menggunakan model YOLO terlatih dan terintegrasi dengan kamera inspeksi kendaraan secara real time, proses pengujian sistem kemudi menjadi lebih cepat, efisien, dan akurat. Penelitian ini diharapkan menjadi solusi inovatif dalam pengujian kendaraan bermotor serta mendorong pemanfaatan teknologi kecerdasan buatan dalam meningkatkan keselamatan transportasi darat di Indonesia.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	YOLO, Deteksi Objek, Sistem Kemudi
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Teknologi Otomotif > Teknologi Otomotif
Depositing User:	22031050 22031050
Date Deposited:	28 Jul 2025 04:14
Last Modified:	28 Jul 2025 04:14
URI:	http://eprints.pktj.ac.id/id/eprint/3812

Actions (login required)

View Item