ANALISIS DETEKSI OBJEK PADA CCTV SUMBER AREN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS YOLOv3

Zamnna Gea Syafila, - (2024) ANALISIS DETEKSI OBJEK PADA CCTV SUMBER AREN MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS YOLOv3. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_PSTI_2009620_Title.pdf Download (1MB)
	Text S_PSTI_2009620_Chapter1.pdf Download (309kB)
	Text S_PSTI_2009620_Chapter2.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_PSTI_2009620_Chapter3.pdf Download (552kB)
	Text S_PSTI_2009620_Chapter4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_PSTI_2009620_Chapter5.pdf Download (302kB)
	Text S_PSTI_2009620_Appendix.pdf Restricted to Staf Perpustakaan Download (1MB)

Abstract

Keamanan adalah aspek krusial dalam menjaga ketertiban dan kenyamanan, dengan sistem CCTV menjadi salah satu metode utama untuk pemantauan konstan. Meskipun CCTV dapat merekam dan memberikan informasi visual, efektivitasnya sering terkendala oleh volume data video yang besar, memerlukan pemantauan manual yang intensif, rentan terhadap human error dan kelelahan. Penelitian ini berfokus pada CV Sumber Aren, sebuah usaha kecil yang menggunakan CCTV untuk memantau lokasi produksi. CV Sumber Aren menghadapi kendala dalam pemantauan manual akibat kurangnya tenaga kerja untuk pengawasan 24 jam. Untuk mengatasi masalah ini, penelitian ini mengusulkan penggunaan algoritma YOLOv3 berbasis Convolutional Neural Networks (CNN) sebagai solusi untuk meningkatkan deteksi objek dalam sistem pengawasan. CNN dikenal memiliki kemampuan tinggi dalam menganalisis data visual dua dimensi. Penelitian ini bertujuan mengevaluasi aplikasi YOLOv3 dalam meningkatkan pemantauan CCTV dengan fokus pada deteksi manusia, motor, dan mobil. Hasilnya diharapkan memberikan kontribusi signifikan dalam pengembangan teknologi pengenalan objek pada CCTV. ----- Security is a crucial aspect in maintaining order and comfort, with CCTV systems being one of the main methods for constant surveillance. Although CCTV can record and provide visual information, its effectiveness is often hampered by the large volume of video data, requiring intensive manual monitoring, and is prone to human error and fatigue. This study focuses on CV Sumber Aren, a small business that uses CCTV to monitor its production site. CV Sumber Aren faces challenges in manual monitoring due to the lack of manpower for 24-hour surveillance. To address this issue, this research proposes the use of the YOLOv3 algorithm based on Convolutional Neural Networks (CNN) as a solution to enhance object detection in the surveillance system. CNN is known for its high capability in analyzing two-dimensional visual data. This study aims to evaluate the application of YOLOv3 in improving CCTV monitoring, with a focus on detecting humans, motorcycles, and cars. The results are expected to make a significant contribution to the development of object recognition technology in CCTV systems.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?hl=id&user=x_HlbegAAAAJ ID SINTA Dosen Pembimbing: Nuur Wachid Abdul Majid: 6054692 Suprih Widodo: 5978120
Uncontrolled Keywords:	Convolutional Neural Network, YOLOv3, Object Detection, CCTV, pengawasan. Convolutional Neural Network, YOLOv3, Object Detection, CCTV, Surveillance.
Subjects:	T Technology > T Technology (General)
Divisions:	UPI Kampus Purwakarta > S1 Pendidikan Sistem Teknologi dan Informasi
Depositing User:	Zamnna Gea Syafila
Date Deposited:	04 Sep 2024 07:42
Last Modified:	04 Sep 2024 07:42
URI:	http://repository.upi.edu/id/eprint/122959

Actions (login required)

View Item