//
Warning: Cannot modify header information - headers already sent by (output started at /home/etdlibitenasac/public_html/index.php:1) in /home/etdlibitenasac/public_html/sysconfig.inc.php on line 185

Deprecated: Methods with the same name as their class will not be constructors in a future version of PHP; StringReader has a deprecated constructor in /home/etdlibitenasac/public_html/lib/lang/php-gettext/streams.php on line 48

Deprecated: Methods with the same name as their class will not be constructors in a future version of PHP; FileReader has a deprecated constructor in /home/etdlibitenasac/public_html/lib/lang/php-gettext/streams.php on line 84

Deprecated: Methods with the same name as their class will not be constructors in a future version of PHP; CachedFileReader has a deprecated constructor in /home/etdlibitenasac/public_html/lib/lang/php-gettext/streams.php on line 145

Deprecated: Methods with the same name as their class will not be constructors in a future version of PHP; gettext_reader has a deprecated constructor in /home/etdlibitenasac/public_html/lib/lang/php-gettext/gettext.php on line 36

Warning: session_start(): Cannot start session when headers already sent in /home/etdlibitenasac/public_html/index.php on line 38
EVALUASI KINERJA SISTEM PADA DETEKSI TANDA LALU LINTAS MENGGUNAKAN YOLOV8

Detail Cantuman

EVALUASI KINERJA SISTEM PADA DETEKSI TANDA LALU LINTAS MENGGUNAKAN YOLOV8

EVALUASI KINERJA SISTEM PADA DETEKSI TANDA LALU LINTAS MENGGUNAKAN YOLOV8

M REJA HILMANSYAH L / 152019103 - Personal Name
0411105902 - Dr. Uung Ungkawa, S.T., M.T. - Personal Name
 Text English 2024 Teknik Informatika : FTI

Pembacaan rambu lalu lintas secara otomatis merupakan elemen penting dalam meningkatkan keselamatan di jalan raya. Penelitian ini mengembangkan sistem deteksi rambu lalu lintas berbasis Deep Learning menggunakan arsitektur YOLOv8 (You Only Look Once versi 8). Berdasarkan evaluasi yang dilakukan, model menunjukkan performa yang sangat baik dengan tingkat akurasi deteksi mencapai 85,2%. Dari total 1.041 Frame yang diuji, model berhasil mendeteksi objek dengan benar dalam 765 kasus. Namun, terdapat 68 kasus (7%) di mana deteksi model salah, serta 86 kasus (8,3%) di mana objek tidak terdeteksi sama sekali. Selain itu, terdapat 122 kasus (11,7%) di mana tidak ada deteksi sama sekali. Hal ini menunjukkan adanya tantangan dalam mendeteksi objek dalam kondisi atau jenis tertentu. Confusion matrix menunjukkan hasil yang cukup baik dengan Precision sebesar 91,8%, Recall 89,9%, dan F1 Score 90,9%, yang mengindikasikan model memiliki kemampuan deteksi yang akurat dan konsisten. Namun, specificity yang hanya mencapai 64,2% mengisyaratkan bahwa model masih rentan terhadap false positives. Untuk meningkatkan performa model, disarankan untuk menganalisis secara mendalam kasus-kasus kesalahan deteksi, memperluas dan memperkaya dataset pelatihan, serta melakukan Fine Tuning pada model. Uji lanjutan dengan dataset yang lebih beragam juga diperlukan untuk memastikan model dapat menggeneralisasi dengan baik dalam berbagai kondisi. Meskipun model telah menunjukkan akurasi yang tinggi, langkahlangkah perbaikan yang diusulkan diharapkan dapat meningkatkan kemampuan deteksi dan mengurangi kekurangan yang ada. Kata Kunci: Deteksi Rambu Lalu Lintas, Deep Learning, YOLOv8, Keselamatan Jalan Raya, Evaluasi Model, Confusion Matrix, Precision, Recall, F1 Score, Specificity, Fine Tuning Model, Dataset Pelatihan, Akurasi Deteksi, False Positives, Generalisasi Model.
LOADING LIST...
LOADING LIST...

Detail Information

Bagian Informasi
Pengarang M REJA HILMANSYAH L / 152019103 - Personal Name
0411105902 - Dr. Uung Ungkawa, S.T., M.T. - Personal Name
No. Panggil 798IF/24
Subyek Deep Learning
YOLOv8
Deteksi Rambu Lalu Lintas
Keselamatan Jalan Raya
Evaluasi Model
Confusion Matrix
Precision
Recall
F1 Score
Specificity
Fine Tuning Model
Dataset Pelatihan
Akurasi Deteksi
False Positives
Generalisasi Model
Fakultas FTI
Tahun Terbit 2024
Jurusan Teknik Informatika
Deskripsi Fisik
Info Detil Spesifik
  Tags :
Deep Learning
YOLOv8
Deteksi Rambu Lalu Lintas
Keselamatan Jalan Raya
Evaluasi Model
Confusion Matrix
Precision
Recall
F1 Score
Specificity
Fine Tuning Model
Dataset Pelatihan
Akurasi Deteksi
False Positives
Generalisasi Model

Citation

. (2024).EVALUASI KINERJA SISTEM PADA DETEKSI TANDA LALU LINTAS MENGGUNAKAN YOLOV8().Teknik Informatika:FTI

.EVALUASI KINERJA SISTEM PADA DETEKSI TANDA LALU LINTAS MENGGUNAKAN YOLOV8().Teknik Informatika:FTI,2024.Text

.EVALUASI KINERJA SISTEM PADA DETEKSI TANDA LALU LINTAS MENGGUNAKAN YOLOV8().Teknik Informatika:FTI,2024.Text

.EVALUASI KINERJA SISTEM PADA DETEKSI TANDA LALU LINTAS MENGGUNAKAN YOLOV8().Teknik Informatika:FTI,2024.Text

 



Homepage Info

Koleksi  ETD adalah merupakan Tugas Akhir mahasiswa Itenas dalam menempuh program Sarjana/Magister. Seluruh isi dari Tugas Akhir adalah merupakan tanggung jawab penulis sepenuhnya.

Koleksi


Total ETDs : 19475

Total Kunjungan: 29404 dari Maret 2018

Media Sosial / Kanal

Facebook
Youtube
Instagram

Address

UPT Perpustakaan Itenas
Jl. PKH. Mustopha No.23
Bandung 40124, Indonesia
Phone: +62-22-7272215,
email: libary[at]itenas.ac.id

Fatal error: Uncaught Error: Call to undefined function curl_init() in /home/etdlibitenasac/public_html/index.php:112 Stack trace: #0 {main} thrown in /home/etdlibitenasac/public_html/index.php on line 112