Muhammad Rizki Akbar Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026

Skripsi

Peningkatan jumlah kendaraan bermotor serta perilaku pengguna jalan yang tidak tertib menjadi faktor utama penyebab kecelakaan lalu lintas di Indonesia, terutama pada kondisi lalu lintas campuran (mixed traffic) yang melibatkan berbagai jenis objek seperti kendaraan bermotor, pejalan kaki, dan rambu lalu lintas. Penelitian ini bertujuan untuk mengembangkan sistem deteksi objek menggunakan algoritma YOLOv8 yang dikonversi ke format ONNX untuk meningkatkan efisiensi dan akurasi dalam mendeteksi objek secara real-time pada lingkungan mixed traffic. Dataset yang digunakan terdiri dari lima kelas utama, yaitu motorcycle, car, motorized-trishaws, person, dan truck. Kinerja model dievaluasi dan dibandingkan dengan varian YOLO lainnya (YOLOv5, YOLOv6, dan YOLOv8 non-ONNX) untuk mengukur efektivitas dan efisiensi dalam proses deteksi. Hasil pengujian menunjukkan bahwa YOLOv8s memberikan performa terbaik dengan nilai precision 0,86, recall 0,80, mAP50 0,84, dan mAP50-95 0,45. Sementara itu, YOLOv6 memperoleh precision 0,83, recall 0,72, mAP50 0,74, dan mAP50-95 0,37, serta YOLOv5 menghasilkan precision 0,81, recall 0,68, mAP50 0,73, dan mAP50-95 0,36. Model YOLOv8s terbaik kemudian dikonversi ke format ONNX dan diuji kembali untuk mengukur peningkatan efisiensi inferensi. Hasilnya menunjukkan percepatan waktu deteksi hingga 76,2% dibandingkan model YOLOv8 versi PyTorch (.pt), dengan rata-rata waktu inferensi 0,1121 detik pada YOLOv8 ONNX dan 0,4720 detik pada YOLOv8 non-ONNX. Model yang telah dikonversi selanjutnya diimplementasikan menggunakan Flask untuk memungkinkan pengguna melakukan deteksi secara langsung melalui antarmuka web. Hasil dari penelitian ini dapat menjadi acuan untuk pengembangan sistem manajemen lalu lintas yang lebih cerdas dan adaptif terhadap kondisi nyata di lapangan, khususnya dalam penerapan sistem deteksi objek real-time pada lingkungan mixed traffic. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1708479 2026-01-15 13:30:41 2026-01-15 15:06:14 machine generated