Universitas Syiah Kuala | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI
T. Muhammad Caesar Maulana, DRIVEYE: SISTEM OBJECT DETECTION BERBASIS COMPUTER VISION UNTUK MENGUKUR JARAK ANTAR KENDARAAN. Banda Aceh Fakultas Teknik (S1),2024

Kecelakaan lalu lintas merupakan masalah serius yang menyebabkan ribuan nyawa melayang dan jutaan orang terluka setiap tahunnya, sering kali akibat pengemudi yang gagal menjaga jarak aman antar kendaraan. penelitian ini mengembangkan driveye, sebuah sistem advanced driver assistance system (adas) berbasis mobile yang dirancang untuk mengukur jarak antar kendaraan dan objek secara real-time menggunakan kamera smartphone. driveye menawarkan alternatif yang lebih sederhana dan hemat biaya dibandingkan sensor atau lidar yang mahal. sistem ini menggunakan model yolov5m yang menghasilkan nilai mean average precision (map) dari proses pelatihan sebesar 90% untuk kemampuan deteksi objek yang tinggi. aplikasi ini berhasil memprediksi jarak dengan akurasi 94,08%, peningkatan signifikan dari metode sebelumnya yang hanya mencapai akurasi 53,42%. pengujian usability dengan system usability scale (sus) menghasilkan skor 82,05, menandakan aplikasi ini memiliki tingkat kegunaan yang sangat baik, sementara pengujian black-box menunjukkan semua fitur berfungsi sesuai harapan. penelitian ini membuktikan bahwa driveye adalah alternatif yang efektif untuk pengukuran jarak antar kendaraan secara real-time menggunakan smartphone.



Abstract

Traffic accidents are a serious issue causing thousands of deaths and millions of injuries every year, often due to drivers failing to maintain a safe distance between vehicles. This study developed DrivEye, a mobile-based Advanced Driver Assistance System (ADAS) designed to measure the distance between vehicles and objects in real-time using a smartphone camera. DrivEye offers a simpler and more cost-effective alternative to expensive sensors or LIDAR. The system utilizes the YOLOv5m model, which achieved a mean Average Precision (mAP) of 90% during training, indicating high object detection capability. The application successfully predicts distances with 94.08% accuracy, a significant improvement over the previous method's 53.42% accuracy. Usability testing using the System Usability Scale (SUS) resulted in a score of 82.05, indicating a very high level of usability, while black-box testing showed that all features functioned as expected. This study demonstrates that DrivEye is an effective alternative for real-time vehicle distance measurement using a smartphone.



    SERVICES DESK