PERANCANGAN PROTOTIPE ALAT PEMBERI ISYARAT LALU LINTAS PADA TIKUNGAN TAJAM BERBASIS COMPUTER VISION SERTA PENGAWASAN DENGAN WEBSITE

Fadhil, Elrizanda (2023) PERANCANGAN PROTOTIPE ALAT PEMBERI ISYARAT LALU LINTAS PADA TIKUNGAN TAJAM BERBASIS COMPUTER VISION SERTA PENGAWASAN DENGAN WEBSITE. Diploma thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (82kB)
	Text (Bab 1) Bab 1.pdf - Published Version Download (109kB)
	Text (Bab V) Bab V.pdf - Published Version Download (38kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (111kB)
	Text (Full Text TA) FULL TEXT TA.pdf - Published Version Restricted to Repository staff only Download (9MB) | Request a copy

Abstract

Salah satu faktor geometrik yang sering dihadapi dalam kondisi jalan diIndonesia adalah tikungan tajam dan tanjakan yang cukup tinggi. Pada tikungantajam, pengendara perlu menjaga kecepatan dan memperhatikan kendaraan yangbergerak ke arah yang berlawanan. Selain itu, pada tikungan tajam, tidakmemungkinkan untuk dilewati oleh dua kendaraan besar secara bersamaan,sehingga perlu diatur arus lalu lintas di tikungan tersebut. Prototipe yang akandirancang merupakan sistem yang mampu mengklasifikasikan kendaraanmenjadi kendaraan besar dan kendaraan kecil secara real-time menggunakankamera yang akan diproses dengan algoritma You Only Look Once (YOLO).Sistem ini akan melakukan pelacakan (tracking), menghitung kecepatan, danmenghitung jumlah kendaraan yang melintasi tikungan tajam, sehingga dapatmenentukan jenis dan jumlah kendaraan yang memasuki tikungan tajam. Datasetyang digunakan dibagi menjadi 3 bagian, yaitu data pelatihan dengan 2516gambar, data validasi dengan 240 gambar, dan data pengujian sebanyak 119gambar. Evaluasi kinerja klasifikasi dilakukan dengan menghitung presisi, TPR(True Positive Rate), FNR (False Negative Rate), dan akurasi dari berbagaimodel YOLOv8. Hasil evaluasi menunjukkan bahwa kinerja berbagai modelYOLOv8 cukup baik dengan rata-rata presisi sebesar 98,78%, TPR sebesar99,06%, FNR sebesar 0,82%, dan akurasi sebesar 99,20%. Evaluasi kinerjapenghitungan jumlah kendaraan dilakukan dengan memvariasikan modelYOLOv8 yang digunakan, menghasilkan rata-rata kesalahan sebesar 10,91%.Sementara itu, evaluasi kinerja penghitungan kecepatan kendaraan jugadilakukan dengan memvariasikan model YOLOv8, dan menghasilkan rata-ratakesalahan sebesar 6,71%. Perhitungan kinerja kecepatan frame per second (FPS)dengan memvariasikan model YOLOv8 menunjukkan bahwa YOLOv8nmemiliki FPS tertinggi yaitu 0,92, sementara model YOLOv8x memiliki fpsterendah yaitu 0,1.

Actions (login required)

View Item