Sistem Peringatan Jarak Antar Kendaraan Menggunakan Deep Learning Berbasis Perangkat Edge

Zidane, Fardian Ahmad (2026) Sistem Peringatan Jarak Antar Kendaraan Menggunakan Deep Learning Berbasis Perangkat Edge. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5024211040-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Pengemudi kendaraan merupakan salah satu faktor utama penyebab kecelakaan kendaraan. Untuk mengatasi permasalahan ini, diciptakanlah berbagai inovasi untuk keselamatan berkendara, salah satunya sistem ADAS. Sistem ADAS cenderung hanya ditemukan pada beberapa mobil dikarenakan biaya produksi yang cukup tinggi.Penelitian ini berfokus pada pengembangan sistem ADAS yang lebih terjangkau dengan menggunakan kamera tunggal (monocular camera) sebagai sensor utama dan Raspberry Pi 5 dengan Hailo AI Kit menggunakan YOLOv8s untuk melakukan deteksi kendaraan dan memprediksi jarak antar kendaraan. Sistem yang dikembangkan bekerja secara efektif hingga jarak 15 meter dengan tingkat akurasi rata-rata 78,24% hingga 93,03%. Sistem mampu bekerja dengan baik kecuali pada malam hari dimana sistem sulit mendeteksi kendaraan di depan. Penggunaan NPU Hailo-8 pada Raspberry Pi 5 mampu meningkatkan performa sistem secara signifikan dibandingkan hanya menggunakan CPU Raspberry Pi 5. Dengan demikian, sistem ADAS berbasis kamera tunggal ini dapat menjadi solusi alternatif yang lebih terjangkau untuk meningkatkan keselamatan berkendara.
========================================================================================================================================
Vehicle drivers are one of the main factors causing vehicle accidents. To overcome this problem, various innovations have been created for driving safety, one of which is the ADAS. ADAS are only found in several cars due to the high production costs. This research focuses on the development of a more affordable ADAS system using a monocular camera as the main sensor and Raspberry Pi 5 with Hailo AI Kit using YOLOv8s to detect vehicles and predict the distance between vehicles. The developed system works effectively up to a distance of 15 meters with an average accuracy rate of 78.24% to 93.03%. The system can work well except at night where the system has difficulty detecting vehicles in front. The use of Hailo-8 NPU on Raspberry Pi 5 is able to significantly improve system performance compared to using only the Raspberry Pi 5 CPU. Thus, this monocular camera-based ADAS system can be an alternative solution that is more affordable to improve driving safety.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Kendaraan, Mobil, ADAS, Deep Learning, Komputasi Edge, YOLOv8, Raspberry Pi 5, Hailo AI Kit, Vehicle, Car, Edge Computing
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques. Image analysis--Data processing.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Fardian Ahmad Zidane
Date Deposited:	22 Jan 2026 09:49
Last Modified:	22 Jan 2026 09:49
URI:	http://repository.its.ac.id/id/eprint/130125

Actions (login required)

View Item