IMPLEMENTASI ALGORTIMA YOLO DALAM MENGIDENTIFIKASI OBJEK MANUSIA DI KAWASAN PERUMAHAN

Ghufran, Mister (2025) IMPLEMENTASI ALGORTIMA YOLO DALAM MENGIDENTIFIKASI OBJEK MANUSIA DI KAWASAN PERUMAHAN. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text pengesahan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (295kB)
	Text pernyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (331kB)
	Text ABSTRAK.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (264kB)
	Text BAB I PENDAHULUAN.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (556kB)
	Text Tugas Akhir Ghufran-2113191118.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text Plagiarisme.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (346kB)
	Text COVER.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (255kB)
	Text DAFTAR PUSTAKA.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (236kB)

Abstract

Solusi keamanan yang sering digunakan saat ini yaitu dengan pemasangan closed circuit television (CCTV). Namun sistem perekaman CCTV konvensional memiliki keterbatasan ruang penyimpanan, sehingga ruang penyimpanan dapat cepat terisi. Dengan banyaknya rekaman yang dihasilkan mengakibatkan sulit saat mencari momen penting yang dibutuhkan, sehingga mengurangi fokus pada kejadian yang benar-benar relevan. Penelitian ini bertujuan untuk mengimplementasikan serta mengukur tingkat akurasi algortima YOLO dalam mengidentifikasi objek manusia di kawasan perumahan. Dalam penelitian ini model YOLO dilatih pada dataset gambar yang dikumpulkan dari rekaman CCTV di kawasan perumahan. Dataset tersebut telah dilabeli secara manual untuk menandai keberadaan objek manusia. Model yang telah dilatih kemudian dievaluasi berdasarkan metrik seperti mean Average Precision (mAP) dan waktu inferensi. Pengujian terhadap sistem deteksi objek manusia memperoleh nilai akurasi sebesar 93% seperti yang ditunjukan pada nilai mean Average Precision (mAP50). Dari pengujian tersebut didapatkan kesimpulan sistem deteksi dapat digunakan untuk mendeteksi objek manusia.

Actions (login required)

View Item