SIMULASI SISTEM PERINGATAN KEDATANGAN KERETA API PADA PERLINTASAN SEBIDANG TANPA PALANG PINTU BERBASIS ARTIFICIAL INTELLIGENCE (TENSORFLOW & YOLOv4)

PRIYOTAMA, MUHAMMAD (2021) SIMULASI SISTEM PERINGATAN KEDATANGAN KERETA API PADA PERLINTASAN SEBIDANG TANPA PALANG PINTU BERBASIS ARTIFICIAL INTELLIGENCE (TENSORFLOW & YOLOv4). Diploma thesis, POLITEKNIK KESELAMATAN TRANSPORTASI JALAN.

	Text (ABSTRAK) 17010468-SKRIPSI-ABSTRAK.pdf Download (636kB)
	Text (BAB 1) 17010468-SKRIPSI-BAB 1.pdf Download (382kB)
	Text (BAB 2) 17010468-SKRIPSI-BAB 2.pdf Restricted to Registered users only Download (1MB)
	Text (BAB 3) 17010468-SKRIPSI-BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text (BAB 4) 17010468-SKRIPSI-BAB 4.pdf Restricted to Registered users only Download (3MB)
	Text (BAB 5) 17010468-SKRIPSI-BAB 5.pdf Download (376kB)
	Text (LAMPIRAN) 17010468-SKRIPSI-LAMPIRAN.pdf Restricted to Registered users only Download (746kB)

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.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Kereta Api, Perlintasan Sebidang, Visi Komputer, Deteksi Objek,Tensorflow, Yolov4, Arduino UNO
Subjects:	T Technology > T Technology (General)
Divisions:	Rekayasa Sistem Transportasi Jalan > Rekayasa Sistem Transportasi Jalan
Depositing User:	Admin RSTJ
Date Deposited:	13 Jul 2023 04:45
Last Modified:	13 Jul 2023 04:45
URI:	http://eprints.pktj.ac.id/id/eprint/1348

Actions (login required)

View Item