<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="148829">
 <titleInfo>
  <title>EVALUASI KINERJA OBJECT-TRACKER BERBASIS YOLOV8 DENGAN METODE  BYTETRACK DAN DEEPSORT PADA LALU LINTAS MIXED-TRAFFIC</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>ZAHIRIANSYAH KHAIRI</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Komputer</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Lalu lintas campuran atau disebut sebagai Mixed-traffic merupakan kondisi lalu&#13;
lintas yang melibatkan berbagai jenis pengguna jalan dengan karakteristik yang&#13;
sangat beragam. Variasi perspektif dan ukuran objek, tumpang tindih antar&#13;
kendaraan, serta interaksi dinamis yang terjadi di antara para pengguna jalan&#13;
membuat pelacakan objek dan analisis aktivitas menjadi sulit dilakukan secara&#13;
akurat dan efisien. Penelitian ini bertujuan untuk mengevaluasi kinerja dari metode&#13;
pelacakan yaitu ByteTrack dan DeepSORT yang akan dikombinasikan dengan&#13;
metode YOLOv8 dengan beberapa variasi yaitu YOLOv8s, YOLOv8m, dan&#13;
YOLOv8x untuk melihat kemampuan kinerja dari metode pelacakan dalam&#13;
mengatasi tantangan pada lalu lintas mixed-traffic. Metode penelitian ini&#13;
menggunakan metode YOLOv8 untuk object detection, serta ByteTrack dan&#13;
DeepSORT sebagai metode dalam pelacakan objek. Pengujian dilakukan dengan&#13;
mengkombinasikan YOLOv8 dengan metode ByteTrack dan YOLOv8 dengan&#13;
metode DeepSORT. Hasil pengujian menunjukkan bahwa ada beberapa faktor yang&#13;
mempengaruhi kinerja pelacakan objek seperti tumpang tindih, variasi ukuran,&#13;
kecepatan, dan bentuk sehingga mengakibatkan tidak konsistenya ID dan kesalahan&#13;
klasifikasi objek. Secara perhitungan metrik, model YOLOv8m lebih stabil dan&#13;
konsisten khususnya pada epoch 100 yaitu dengan nilai MOTA 0,7603 pada&#13;
DeepSORT dan 0,7090 pada ByteTrack.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>148829</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-01-22 11:04:58</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-01-22 11:26:58</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>