Mirshal Arief Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro dan Komputer 2024

Skripsi

Mixed-traffic adalah salah satu jenis atau model lalu lintas yang melibatkan berbagai jenis kendaraaan yang saling berbagi infrastruktur jalan yang sama tanpa adanya pembatas atau pemisah fisik. Lingkungan lalu lintas semacam ini umumnya ditemui di daerah perkotaan di negara-negara berkembang seperti Tiongkok, India, dan Indonesia. Dalam lingkungan lalu lintas campuran, terdapat berbagai jenis objek yang beragam yang perlu diidentifikasi lebih lanjut. Kompleksitas lingkungan ini mengharuskan deteksi objek yang akurat. Namun deteksi objek yang digunakan belum optimal. Visibilitas dalam kondisi lalu lintas campuran seringkali rendah, objek-objek dalam lingkungan bergerak ke arah yang sama atau berlawanan, yang semakin meningkatkan kompleksitas skenario lalu lintas di suatu jalan tertentu. Tujuan penelitian ini adalah untuk mengevaluasi kinerja antara model pretrained dan trained berbasis Convolution Neural Network (CNN) YOLO series untuk beberapa variannya agar memperoleh inference ketiga model tersebut terhadap dataset mixed-traffic. Pada evaluasi pretrained skenario siang hari, diperoleh performa deteksi tebaik oleh YOLOv7-W6 dengan accuracy 0,21. Dari segi FPS, model YOLOv8s unggul dengan nilai 38,9. Untuk skenario malam hari, diperoleh performa deteksi terbaik dimiliki YOLOv7-W6 dan YOLOv8l dengan accuracy 0,18. Dari sisi FPS, model YOLOv8n mencapai nilai tertinggi sebesar 31,2. Pada evaluasi setelah trained dengan skenario siang hari, diperoleh performa deteksi terbaik model YOLOv7x, YOLOv8s, dan YOLOv8m dengan accuracy sebesar 0,95. Dari segi FPS, YOLOv7-W6 unggul dengan nilai 32,9. Untuk skenario malam hari, accuracy terbaik diperoleh model YOLOv7-E6 dan YOLOv8m sebesar 0,85. Dari sisi FPS, YOLOv7-W6 unggul dengan nilai 39,5 dari skenario siang hari. Keyword: Mixed-traffic, Object Detection, YOLOv6, v7, v8 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 123976 2024-07-01 09:30:43 2024-07-01 09:47:24 machine generated