Deteksi Pejalan Kaki Menggunakan Algoritma YOLOv3 pada Mobil Otonom

Fahruddin, Faiz Adhima (2023) Deteksi Pejalan Kaki Menggunakan Algoritma YOLOv3 pada Mobil Otonom. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07111940000077-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 July 2025. Download (2MB) | Request a copy

Abstract

Pada beberapa negara dengan tingkat kepadatan penduduk yang tinggi, kondisi jalan raya sering kali tidak ideal, dimana pada umumnya jalan raya hanya ditempati oleh kendaraan ataupun rambu lalu lintas. Dengan kondisi jalan yang kurang ideal, tidak dapat menutup kemungkinan bahwa pejalan kaki, yang seharusnya berada pada trotoar, akan berpindah menempati jalan raya dan menjadi permasalahan dalam implementasi mobil otonom dalam kehidupan sehari-hari. Sejatinya, metode deteksi terhadap pejalan kaki sudah banyak dikembangkan, tetapi dirasa masih dapat ditingkatkan kembali sehingga memerlukan pendekatan lain untuk mengembangkan fitur mobil otonom terkait permasalahan tersebut. Pada tugas akhir ini metode yang akan digunakan adalah dengan menerapkan algoritma YOLOv3 (You Only Look Once v3). Metode ini akan digunakan untuk membantu mobil otonom dalam melakukan deteksi pada objek berupa pejalan kaki. Hasil dari algoritma ini cukup baik, dengan mencapai nilai F1-score sebesar 83.92% untuk kelas objek hanya “person” dan mencapai nilai F1-score sebesar 75.77% setelah penambahan kelas berupa jenis kelamin (gender), usia, dan kegiatan. Hasil dari penelitian ini diharapkan dapat menjadi metode baru dalam proses pengembangan fitur mobil otonom, sehingga mobil otonom mampu untuk menjadi teknologi yang handal dan mampu meningkatkan taraf kehidupan manusia dengan memanfaatkan ilmu pengetahuan dan teknologi.
===========================================================================================================================================
In several countries with high population density, road conditions are often not ideal, where in general the roads are only occupied by vehicles or traffic signs. With less than ideal road conditions, it is possible that pedestrian feet, which should be on the sidewalk, will move to occupy the road and become a problem in the implementation of autonomous cars in everyday life. Actually, many methods of detecting pedestrians have been developed, but it seems that they can still be improved so that another approach is needed to develop autonomous car features related to this problem. In this final project, the method to be used is the implementation of the YOLOv3 (You Only Look Once v3) algorithm. This method will be used to assist autonomous cars in detecting pedestrian objects. The results of this algorithm are quite good, achieving an F1-score of 83.92% for the class of objects only "people" and achieving an F1-score of 75.77% after adding classes in the form of gender, age, and behaviour. The results of this research are expected to become a new method in the process of developing autonomous car features, so that autonomous cars can become reliable technologies and are able to improve human life by utilizing science and technology.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Algoritma YOLOv3, Deteksi Pejalan Kaki, Mobil Otonom Algoritma YOLOv3, Deteksi Pejalan Kaki, Mobil Otonom
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Faiz Adhima Fahruddin
Date Deposited:	02 Feb 2023 08:02
Last Modified:	02 Feb 2023 08:02
URI:	http://repository.its.ac.id/id/eprint/96044

Actions (login required)

View Item