OBJECT COUNTING KENDARAAN BERBASIS ARTIFICIAL INTELLIGENCE (TENSORFLOW & YOLOV4) DENGAN KLASIFIKASI KENDARAAN MENURUT MKJI 1997

NOVIC, GAGAH BRAZA (2021) OBJECT COUNTING KENDARAAN BERBASIS ARTIFICIAL INTELLIGENCE (TENSORFLOW & YOLOV4) DENGAN KLASIFIKASI KENDARAAN MENURUT MKJI 1997. Diploma thesis, POLITEKNIK KESELAMATAN TRANSPORTASI JALAN.

	Text (ABSTRAK) 17010458-SKRIPSI-ABSTRAK.pdf Download (220kB)
	Text (BAB 1) 17010458-SKRIPSI-BAB 1.pdf Download (68kB)
	Text (BAB 2) 17010458-SKRIPSI-BAB 2.pdf Restricted to Registered users only Download (422kB) | Request a copy
	Text (BAB 3) 17010458-SKRIPSI-BAB 3.pdf Restricted to Registered users only Download (360kB) | Request a copy
	Text (BAB 4) 17010458-SKRIPSI-BAB 4.pdf Restricted to Registered users only Download (967kB) | Request a copy
	Text (BAB 5) 17010458-SKRIPSI-BAB 5.pdf Download (72kB)
	Text (LAMPIRAN) 17010458-SKRIPSI-LAMPIRAN.pdf Restricted to Registered users only Download (577kB) | Request a copy

Abstract

BERDASARKAN WORLD HEALTH ORGANIZATION PADA TAHUN 2016 INDONESIA TERCATAT SEBAGAI NEGARA KE-4 DENGAN POPULASI KENDARAAN BERMOTOR TERBANYAK DI DUNIA. DENGAN SEMAKIN MENINGKATNYA JUMLAH PERTUMBUHAN KENDARAAN, POTENSI PERMASALAHAN LALU LINTAS YANG MUNCUL AKAN SEMAKIN KOMPLEKS. DALAM PENGATURAN MANAJEMEN REKAYASA LALU LINTAS, UNTUK MENGETAHUI KINERJA JALAN PERLU ADANYA SURVEI LALU LINTAS. PENELITIAN INI MEMILIKI TUJUAN UNTUK MERANCANG SISTEM PENCACAHAN LALU LINTAS DENGAN MENGGUNAKAN ARTIFICIAL INTELEGENCE DAN JUGA UNTUK MENGETAHUI HASIL KINERJA SISTEM DALAM MENCACAH DATA LALU LINTAS DENGAN MEMBANDINGKAN PENGHITUNGAN SISTEM DENGAN PENGHITUNGAN MANUAL. DENGAN MENGGUNAKAN METODE PENDEKATAN ARTIFICIAL INTELEGENCE AGAR DAPAT MEDETEKSI OBJEK (OBJECT DETECTION), MAKA DIPERLUKAN LIBRARY PENUNJANG. LIBRARY MACHINE LEARNING YANG AKAN DIGUNAKAN YAITU TENSORFLOW. DAN ALGORITMA NEURAL NETWORK YANG DIGUNAKAN YAITU YOLOV4. DENGAN DARI KEDUA LIBRARY, SISTEM AKAN BERUSAHA MENDETEKSI OBJEK DAN MENGHITUNG OBJEK. HASIL DARI PENGHITUNGAN SISTEM DENGAN TIMEFRAME PENGHITUNGAN 5 MENIT DISETIAP PEAK HOUR, SISTEM MENDAPATKAN FRAME PER SECOND TERTINGGI HINGGA 7 FPS, TERENDAH 1 FPS, DAN STABIL DI 2 FPS. YOLOV4 MAMPU MENDETEKSI OBJEK KENDARAAN BERSAMAAN DENGAN MENJALANKAN OBJECT COUNTING DAN MENDAPATKAN MAP(MEAN AVERAGE PRECISION) PALING TERTINGI YAITU 97,04%.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	SURVEY LALU LINTAS, PENCACAHAN LALU LINTAS, OBJECT DETECTION, MACHINE LEARNING, TENSORFLOW, YOLOV4, RANCANG BANGUN PERANGKAT LUNAK.
Subjects:	T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Rekayasa Sistem Transportasi Jalan > Rekayasa Sistem Transportasi Jalan
Depositing User:	Admin RSTJ
Date Deposited:	01 Dec 2022 03:47
Last Modified:	01 Dec 2022 03:50
URI:	http://eprints.pktj.ac.id/id/eprint/738

Actions (login required)

View Item