SISTEM DETEKSI POSISI OBJEK DALAM RUANGAN MENGGUNAKAN KAMERA SMARTPHONE DENGAN ALGORITMA COMPUTER VISION YOLO

Thifal Nurrifqi Ariel Kurniawan, - (2024) SISTEM DETEKSI POSISI OBJEK DALAM RUANGAN MENGGUNAKAN KAMERA SMARTPHONE DENGAN ALGORITMA COMPUTER VISION YOLO. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_FIS_1905566_Title.pdf Download (1MB)
	Text S_FIS_1905566_Chapter1.pdf Download (572kB)
	Text S_FIS_1905566_Chapter2.pdf Restricted to Staf Perpustakaan Download (205kB)
	Text S_FIS_1905566_Chapter3.pdf Download (358kB)
	Text S_FIS_1905566_Chapter4.pdf Restricted to Staf Perpustakaan Download (505kB)
	Text S_FIS_1905566_Chapter5.pdf Download (38kB)
	Text S_FIS_1905566_Appendix.pdf Restricted to Staf Perpustakaan Download (807kB)

Abstract

Sistem deteksi posisi objek dalam ruangan merupakan bidang yang banyak diteliti karena masih banyak aspek yang dapat ditingkatkan. Keterbatasan penelitian sebelumnya berkisar pada pengenalan objek yang terbatas, dan juga pendeteksian posisi yang kurang akurat. Untuk meluaskan kemampuan deteksi dan juga pemutakhiran teknologi, penelitian ini menggunakan metode Algoritma Computer Vision Object Detection You Only Look Once berbasis kamera smartphone. Metode ini ditujukan agar pendeteksian objek menjadi lebih luas dan fleksibel dengan pengenalan citra. Selain itu, penelitian ini menerapkan konversi nilai pixel pada citra ke satuan centimeter, dan mengevaluasi akurasi dan presisi pengukuran. Pengembangan mesin pendeteksi manusia beserta data pengukuran dan mekanisme matematis untuk konversi pengukuran telah diterapkan. Mesin pendeteksi objek manusia yang dikembangkan dengan 4300 data citra dari UCU Apps. Mesin ini memiliki nilai mean average precision sebesar 89,94% dengan iterasi proses latih sebanyak 4000 kali. Data pengukuran jarak sejauh satu meter dengan arah yang berbeda-beda dengan jumlah 172 frame gambar dan direduksi menjadi 5 frame. Rasio konversi pada penelitian ini adalah sebesar 0,309 cm/pixel untuk dimensi panjang dan 0,308 cm/pixel untuk dimensi lebar. Pengukuran menunjukkan simpangan baku 4,6 cm dari 5 pengukuran tersebut. Metode pada penelitian ini dapat diadopsi untuk pengawasan aktivitas belajar di kelas maupun deteksi aktivitas di ruangan kantor. The system for object position detection within indoor spaces is a heavily researched field due to numerous areas that can be enhanced. Previous research limitations primarily focused on restricted object recognition and less accurate position detection. To broaden detection capabilities and advance technology, this study employs the You Only Look Once (YOLO) Object Detection Algorithm based on smartphone camera in the realm of Computer Vision. The methodology aims to widen and make object detection more flexible through image recognition. Additionally, the research implements pixel value conversion in images to centimeters, evaluating measurement accuracy and precision. The development of the human object detection engine, along with measurement data and mathematical mechanisms for measurement conversion, has been implemented. The human object detection engine was trained with 4300 image data from UCU Apps, achieving a mean average precision value of 89.94% after 4000 training iterations. Measurement data was collected at a distance of one meter in various directions, totaling 172 image frames, which were then reduced to 5 frames. The conversion ratio in this study was 0.309 cm/pixel for the length dimension and 0.308 cm/pixel for the width dimension. Measurements revealed a standard deviation of 4.6 cm from the 5 measurements. The methods employed in this research can be adopted for monitoring learning activities in classrooms and detecting activities in office spaces.

Item Type:	Thesis (S1)
Additional Information:	ID SINTA Dosen Pembimbing Ahmad Aminudin : 6002113 Judhistira Aria Utama : 6125861
Uncontrolled Keywords:	Sistem Deteksi Posisi Objek Dalam Ruangan, Kamera Smartphone, Computer Vision, YOLO Indoor Object Position Detection System, Smartphone Camera, Computer Vision, YOLO
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QC Physics T Technology > T Technology (General)
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Fisika > Program Studi Fisika (non kependidikan)
Depositing User:	Thifal Nurrifqi Ariel Kurniawan
Date Deposited:	28 May 2024 02:08
Last Modified:	28 May 2024 02:08
URI:	http://repository.upi.edu/id/eprint/117779

Actions (login required)

View Item