DETEKSI SEPEDA MOTOR DI JALAN RAYA MENGGUNAKAN FASTER R-CNN BERBASIS VGG16

Moch Dian Lazuardi Yudha, Dian (2020) DETEKSI SEPEDA MOTOR DI JALAN RAYA MENGGUNAKAN FASTER R-CNN BERBASIS VGG16. S1 thesis, Universitas Pendidikan Indonesia.

[img] Text
S_KOM_1403206_Title.pdf

Download (596kB)
[img] Text
S_KOM_1403206_Chapter1.pdf

Download (455kB)
[img] Text
S_KOM_1403206_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (694kB)
[img] Text
S_KOM_1403206_Chapter3.pdf

Download (152kB)
[img] Text
S_KOM_1403206_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (542kB)
[img] Text
S_KOM_1403206_Chapter5.pdf

Download (39kB)
[img] Text
S_KOM_1403206_Appendix.pdf
Restricted to Staf Perpustakaan

Download (41kB)
Official URL: http://repository.upi.edu

Abstract

Menurut Badan Pusat Statistika (BPS) pada tahun 2016, pengendara motor di Indonesia mencapai 98.9 Juta jiwa atau 81.5% dari keseluruhan pengendara di Indonesia. Dan hanya sedikit orang yang menggunakan Mobil Penumpang dibandingkan dengan sepeda motor. Ini tandanya, Indonesia wajib menguji pengendara sepeda motor agar bisa layak mengedara di jalanan. Oleh karena itu harus dibuatkan sebuah system untuk mendeteksi sepeda motor. Banyak algoritma yang telah di publish dengan berbagai arsitektur, penelitian ini menggunakan arsitektur yang sedang popular yaitu faster rcnn. Faster rcnn telah diuji dibanyak penelitian untuk mendeteksi objek dalam gambar dan video. Penelitian ini memiliki beberapa tahapan yaitu pelabelan objek pada data training, pra proses, training, dan testing. Faster RCNN dalam penelitian ini menggunakan dasar model algoritma vgg16 yang memiliki total 16 layer. Hasil dari percobaan dengan menggunakan gambar dari CCTV menunjukan nilai loss 6.01% dan 12.11%. Hasil tersebut menunjukan bahwa sistem sudah cukup baik dalam mendeteksi sepeda motor di jalan raya.

Item Type: Thesis (S1)
Uncontrolled Keywords: Deteksi Sepeda Motor, Faster R-CNN, VGG16, Deep Learning, Convolutional Neural Network
Subjects: L Education > L Education (General)
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User: Dian Lazuardi
Date Deposited: 25 Sep 2020 01:37
Last Modified: 25 Sep 2020 01:37
URI: http://repository.upi.edu/id/eprint/52882

Actions (login required)

View Item View Item