KALIBRASI INDOOR POSITIONING SYSTEM BERBASIS KAMERA SMARTPHONE MENGGUNAKAN ALGORITMA YOLO

Hanif Almadaniy, - (2024) KALIBRASI INDOOR POSITIONING SYSTEM BERBASIS KAMERA SMARTPHONE MENGGUNAKAN ALGORITMA YOLO. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Sistem pemetaan posisi sangat penting dalam berbagai aplikasi seperti navigasi, pelacakan objek, dan kesadaran spasial. Untuk kepentingan ini biasanya menggunakan teknologi GPS. Namun GPS memiliki keterbatasan dalam mendeteksi posisi dalam ruangan. Oleh karena itu metode alternatif diperlukan dalam situasi ini. Dengan machine learning berbasis kamera menjadi solusi yang layak karena efektifitas biaya dan akurasi yang tinggi. Penelitian ini bertujuan untuk mengkalibrasi mesin deteksi citra YOLO dengan cara menggunakan dataset baru untuk mendeteksi citra manusia dengan anotasi yang diantara dua kaki. Dataset yang dibuat berisi total 2000 data citra dari berbagai dataset. Mesin ini memiliki nilai mean avarage precision sebesar 99,19% dengan proses latih sebanyak 6000 kali. Data pengukuran terdiri dari 11 frame yang diambil dari data pengukuran penelitian Kurniawan. Rasio konversi pada penelitian ini adalah 0,309 cm/pixel pada sumbu-x dan 0,308 cm/pixel pada sumbu-y. Hasil yang diperoleh pada penelitian ini memberikan peningkatan akurasi sebesar 62,43% dan standar deviasi yang turun sebesar 69,01%. The positioning system is very important in various applications such as navigation, object tracking, and spatial awareness. For this purpose, GPS technology is commonly used. However, GPS has limitations in detecting indoor positions. Therefore, alternative methods are needed in these situations. Camera-based machine learning is a viable solution due to its cost-effectiveness and high precision. This research aims to calibrate YOLO object detection by using a new dataset to detect human images with annotations between the legs. The created dataset contains a total of 2000 image data from various datasets. This machine has a mean average precision value of 99.19% with 6000 training iterations. The measurement data consists of 11 frames taken from the measurement data from Kurniawan research. The conversion ratio in this study is 0.309 cm/pixel on the x-axis and 0.308 cm/pixel on the y-axis. The results obtained in this study show an accuracy improvement of 62.43% and a standard deviation reduction of 69.01%.

Baca Full Text klik disini
[img] Text
S_FIS_2003757_Title.pdf
Download (490kB)
[img] Text
S_FIS_2003757_Chapter1.pdf
Download (229kB)
[img] Text
S_FIS_2003757_Chapter2.pdf
Restricted to Staf Perpustakaan
Download (538kB)
[img] Text
S_FIS_2003757_Chapter3.pdf
Download (703kB)
[img] Text
S_FIS_2003757_Chapter4.pdf
Restricted to Staf Perpustakaan
Download (427kB)
[img] Text
S_FIS_2003757_Chapter5.pdf
Download (214kB)
[img] Text
S_FIS_2003757_Appendix.pdf
Restricted to Staf Perpustakaan
Download (1MB)
Official URL: https://repository.upi.edu/
Item Type: Thesis (S1)
Additional Information: ID SINTA Dosen Pembimbing: Ahmad Aminudin: 6002113 Lilik Hasanah: 5994035
Uncontrolled Keywords: Sistem Deteksi Objek dalam Ruangan, Deteksi Objek, Penglihatan Komputer, YOLO, Kamera, Kalibrasi Indoor Positioning System, Object Detection, Computer Vision, YOLO, Camera, Calibration
Subjects: Q Science > QC Physics
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Fisika - S1 > Program Studi Fisika (non kependidikan)
Depositing User: Hanif Almadaniy
Date Deposited: 10 Sep 2024 19:05
Last Modified: 10 Sep 2024 19:05
URI: http://repository.upi.edu/id/eprint/123531

Actions (login required)

View Item View Item