Bintang, Ismail (2024) SISTEM DETEKSI HELM MENGGUNAKAN ALGORITMA YOLOv8 PADA PENGENDARA SEPEDA MOTOR. S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.
![[img]](https://eprints.untirta.ac.id/style/images/fileicons/text.png) |
Text
Ismail Bintang_3332190037_Fulltext.pdf Download (3MB) |
|
Text
Ismail Bintang_3332190037_01.pdf Download (6MB) |
|
Text
Ismail Bintang_3332190037_02.pdf Download (5MB) |
|
Text
Ismail Bintang_3332190037_03.pdf Download (5MB) |
|
Text
Ismail Bintang_3332190037_04.pdf Download (6MB) |
|
Text
Ismail Bintang_3332190037_05.pdf Download (341kB) |
|
Text
Ismail Bintang_3332190037_Ref.pdf Download (1MB) |
|
Text
Ismail Bintang_3332190037_Lamp.pdf Download (1MB) |
|
Text
Ismail Bintang_3332190037_CP.pdf Download (19MB) |
Abstract
Di Indonesia, angka kecelakaan lalu lintas terus meningkat setiap tahun, terutama yang melibatkan pengendara motor. Mengendarai motor sangat berbahaya jika tidak menggunakan perlengkapan keselamatan yang sesuai, seperti helm. Oleh karena itu, penggunaan helm sangat krusial untuk keselamatan berkendara. Penelitian ini bertujuan untuk mengembangkan teknologi pendeteksi helm pada pengendara motor dengan menggunakan algoritma YOLOv8 berbasis deep learning, yang diterapkan pada perangkat tepi seperti Jetson Nano secara real-time. Hasil penelitian menunjukkan bahwa algoritma YOLOv8 memiliki kemampuan deteksi helm yang tinggi dalam pengujian langsung, dengan f1-score mencapai 91,1% untuk kelas 'Helm', 81,7% untuk kelas 'Rider', dan 33,0% untuk kelas 'Tidak Helm'. Analisis komputasi menunjukkan penggunaan CPU rata-rata sebesar 78,0%, penggunaan RAM rata-rata sebesar 77,4%, suhu komponen berkisar antara 33°C hingga 65°C, total daya pemakaian rata-rata 6.5 W, penggunaan GPU yang bervariasi (dari 0.1% hingga 99%), serta FPS rata-rata 11.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Additional Information: | Di Indonesia, angka kecelakaan lalu lintas terus meningkat setiap tahun, terutama yang melibatkan pengendara motor. Mengendarai motor sangat berbahaya jika tidak menggunakan perlengkapan keselamatan yang sesuai, seperti helm. Oleh karena itu, penggunaan helm sangat krusial untuk keselamatan berkendara. Penelitian ini bertujuan untuk mengembangkan teknologi pendeteksi helm pada pengendara motor dengan menggunakan algoritma YOLOv8 berbasis deep learning, yang diterapkan pada perangkat tepi seperti Jetson Nano secara real-time. Hasil penelitian menunjukkan bahwa algoritma YOLOv8 memiliki kemampuan deteksi helm yang tinggi dalam pengujian langsung, dengan f1-score mencapai 91,1% untuk kelas 'Helm', 81,7% untuk kelas 'Rider', dan 33,0% untuk kelas 'Tidak Helm'. Analisis komputasi menunjukkan penggunaan CPU rata-rata sebesar 78,0%, penggunaan RAM rata-rata sebesar 77,4%, suhu komponen berkisar antara 33°C hingga 65°C, total daya pemakaian rata-rata 6.5 W, penggunaan GPU yang bervariasi (dari 0.1% hingga 99%), serta FPS rata-rata 11. | |||||||||
| Subjects: | T Technology > T Technology (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering |
|||||||||
| Divisions: | 03-Fakultas Teknik > 20201-Jurusan Teknik Elektro | |||||||||
| Depositing User: | Ismail Bintang | |||||||||
| Date Deposited: | 14 Aug 2024 16:57 | |||||||||
| Last Modified: | 16 Aug 2024 10:20 | |||||||||
| URI: | http://eprints.untirta.ac.id/id/eprint/40741 |
Actions (login required)
 |
View Item |