Deteksi slot kosong pada parkiran mobil menggunakan model YOLOv8

Nuralifia, Ailsa Erfi (2024) Deteksi slot kosong pada parkiran mobil menggunakan model YOLOv8. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1900018417_JUDUL__240521075708.pdf Download (1MB)
	Text (BAB I) T1_1900018417_BAB_I__240521075709.pdf Download (112kB)
	Text (BAB II) T1_1900018417_BAB_II__240521075709.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) T1_1900018417_BAB_III__240521075709.pdf Restricted to Registered users only Download (378kB) | Request a copy
	Text (BAB IV) T1_1900018417_BAB_IV__240521075709.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) T1_1900018417_BAB_V__240521075709.pdf Restricted to Registered users only Download (94kB) | Request a copy
	Text (Daftar Pustaka) T1_1900018417_DAFTAR_PUSTAKA__240521075709.pdf Download (95kB)

Abstract

Pertumbuhan kepemilikan mobil pribadi tidak sebanding dengan ketersediaan lahan parkir yang tersedia sehingga menimbulkan masalah bagi banyak pengendara mobil tersebut. Masalah yang kerap kali ditemukan adalah sulitnya mencari lahan parkir yang kosong yang kemudian menyebabkan pengendara menghabiskan waktu, tenaga, dan energi yang cukup banyak. Karenanya, dibutuhkan sistem manajemen parkir yang efektif agar hal-hal tersebut dapat diminimalisir. Penelitian ini dilakukan dengan judul “Deteksi Slot Kosong pada Parkiran Mobil Menggunakan Model YOLOv8” sebagai salah satu alternatif permasalahan tersebut. 
Deteksi slot kosong ini dilakukan dengan menggunakan model You Only Look Once (YOLO) terbaru, yaitu YOLOv8 sebagai model deteksinya. Digunakannya model ini karena YOLOv8 dapat berjalan dengan sumber daya komputasi yang rendah, kecepatan yang tinggi, dan memberikan prediksi yang akurat. Terdapat tiga pretrained model digunakan dalam penelitian ini, yaitu model YOLOv8s, YOLOv8m, dan YOLOv8x. Perbedaan model tersebut ada pada banyak parameternya, yang mana tipe s memiliki parameter terendah dengan layer sebanyak 225 dan tipe x memiliki parameter tertinggi dengan 365 layer. Sedangkan model tipe m memiliki total parameter diantara keduanya dengan layer sebanyak 295 layer. Perbedaan jumlah parameter tersebut memiliki arti bahwa semakin tinggi parameter, maka semakin baik model melakukan tugas, tetapi semakin berat dan lama tugas tersebut dijalankan. Pelatihan model dijalankan dengan epochs sebanyak 150 kali pada data latih yang berisi 828 gambar.
Model dalam penelitian ini dinilai menggunakan Mean Average Precision (mAP) yang merupakan metriks yang umumnya dipakai dalam deteksi objek. Penelitian ini mendapatkan hasil bahwa model YOLOv8 adalah model yang baik dalam melakukan deteksi slot parkir mobil. Pada pengujian dengan 86 citra dataset, model YOLOv8x merupakan model dengan akurasi tertinggi dengan nilai mAP50-95 sebesar 89,8%, yang kemudian diikuti oleh model YOLOv8s sebesar 89,5%, dan YOLOv8m sebesar 88,7%.

Item Type:	Thesis (S1)
Keyword:	Deteksi slot parkir; mobil; YOLOv8
Subjects:	T Technology > TA Engineering (General). Civil engineering (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus2 userperpus2
Date Deposited:	24 May 2024 08:30
Last Modified:	24 May 2024 08:30
URI:	http://eprints.uad.ac.id/id/eprint/63663

Actions (login required)

View Item