Sistem Pendeteksi Area Blind Spot Pada Kendaraan Truk Menggunakan Computer Vision Dan Sensor Ultrasonik Jsn-sr04t Berbasis Internet Of Things

Fuji, Aulia Rahmi (2025) Sistem Pendeteksi Area Blind Spot Pada Kendaraan Truk Menggunakan Computer Vision Dan Sensor Ultrasonik Jsn-sr04t Berbasis Internet Of Things. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (446kB)
	Text (BAB 1 Pendahuluan) BAB 1 Pendahuluan.pdf - Published Version Download (262kB)
	Text (BAB 5 Penutup) BAB 5 Penutup.pdf - Published Version Download (241kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (224kB)
	Text (Skripsi Full Text) Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Peningkatan jumlah kendaraan darat berdampak langsung terhadap tingginya angka kecelakaan, salah satunya akibat area blind spot pada truk yang menghalangi pandangan pengemudi terhadap objek di sekitar kendaraan. Penelitian ini bertujuan mengembangkan sistem pendeteksi blind spot berbasis Internet of Things (IoT) yang mengintegrasikan sensor ultrasonik JSN-SR04T sebagai sistem peringatan dini dan computer vision berbasis algoritma YOLO untuk deteksi lanjutan. Metode penelitian meliputi pengumpulan dan augmentasi dataset awal sebanyak 417 kendaraan serta pelatihan model YOLOv11n menggunakan platform Google Colab. Sistem perangkat keras terdiri dari sensor ultrasonik JSN SR04T, kamera ESP32-CAM, mikrokontroler NodeMCU ESP8266, dan indikator LED yang dirancang serta diuji secara fungsional. Hasil pengujian menunjukkan sensor ultrasonik JSN-SR04T memiliki tingkat akurasi tinggi dengan persentase kesalahan rata-rata di bawah 1% dan presisi pengulangan sebesar 98% pada rentang jarak 20 450cm. Model YOLOv11n mencapai performa optimal dengan nilai mAP50 sebesar 92,7%, presisi 94,3%, dan recall 89,6% pada 50 epoch. Waktu inference rata-rata 2,6ms per citra dan ukuran model 5,5 MB menunjukkan efisiensi tinggi untuk pemantauan real-time. Komunikasi data berbasis MQTT antara NodeMCU dan server berjalan stabil. Secara keseluruhan, sistem mampu mendeteksi keberadaan objek di area blind spot dan memberikan peringatan dini kepada pengemudi. Akurasi deteksi mencapai 91–95% untuk mobil, 70–92% untuk pengendara motor, dan 73–87% untuk pejalan kaki, sehingga sistem ini memiliki potensi besar dalam meningkatkan keselamatan berkendara truk.

Actions (login required)

View Item