Yuni Eriza Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025

Skripsi

Deteksi objek merupakan salah satu aspek penting dalam visi komputer, terutama dalam konteks transportasi, di mana akurasi dan kecepatan deteksi kendaraan sangat diperlukan. Penelitian ini berfokus pada tantangan deteksi kendaraan pada malam hari, yang sering kali terhambat oleh rendahnya kontras dan luminositas gambar. Untuk mengatasi masalah ini, penelitian ini mengusulkan penggunaan CycleGAN untuk meningkatkan kualitas citra malam sebelum diterapkan pada model deteksi objek YOLOv8 dengan varian YOLOv8n, m dan x. Metode ini bertujuan untuk mengurangi noise, meningkatkan kontras, dan memperbaiki distorsi warna pada citra malam, sehingga meningkatkan akurasi deteksi kendaraan. Hasil penelitian menunjukkan bahwa penerapan CycleGAN berhasil meningkatkan kualitas citra malam, dengan metrik PSNR mencapai 44,18 dB dan SSIM sebesar 0,99. Evaluasi deteksi objek menggunakan YOLOv8n pada dataset yang telah diproses menunjukkan peningkatan akurasi dari 0,82 menjadi 0,88 setelah pemrosesan dengan CycleGAN, kemudian YOLOv8m dari akurasi 0,83 menjadi 0,90 dan YOLOv8x dari akurasi 0,86 menjadi 0,93 yang merupakan nilai akurasi tertinggi. Peningkatan ini mencerminkan efektivitas CycleGAN dalam memperbaiki resolusi dan kualitas gambar, yang berkontribusi pada kemampuan YOLO dalam mendeteksi objek dengan lebih baik. kombinasi antara CycleGAN dan YOLOv8 dapat menjadi solusi yang efektif untuk meningkatkan performa sistem deteksi objek dalam kondisi pencahayaan rendah. Kata Kunci : Deteksi objek, CycleGAN ,YOLOv8, Citra malam, Akurasi deteksi 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 161235 2025-07-15 09:08:39 2025-07-15 09:16:19 machine generated