• Login
    View Item 
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Industrial Technology
    • Electric Engineering
    • View Item
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Industrial Technology
    • Electric Engineering
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Pengatur Kepadatan Traffic Light Berbasis Image Recognition

    Thumbnail
    View/Open
    20524143.pdf (6.029Mb)
    Date
    2024
    Author
    Ramadhan, Rezadi
    Falah, Rafi Mahdiansyah
    Metadata
    Show full item record
    Abstract
    Laporan tugas akhir ini berjudul "Pengatur Kepadatan Traffic Light Berbasis Image Recognition" bertujuan untuk mengembangkan sistem pengaturan lalu lintas yang adaptif dan responsif menggunakan teknologi pengenalan gambar (Image Recognition). Sistem ini dirancang untuk mendeteksi kepadatan lalu lintas secara real-time dan mengoptimalkan durasi lampu lalu lintas. Permasalahan utama yang diidentifikasi adalah ketidakmampuan sistem pengaturan lalu lintas konvensional untuk merespons perubahan kondisi lalu lintas secara dinamis. Pada proposal tugas akhir kami mengusulkan dua solusi utama, yang pertama sistem berbasis YOLO (You Only Look Once) yang menggunakan Raspberry Pi untuk mikrokontroler yang terintegrasi dengan kamera. Dan usulan solusi dua, sistem berbasis YOLO yang menggunakan mikrokontroler Arduino Mega untuk mengendalikan lampu lalu lintas berdasarkan data pengenalan gambar. Kedua solusi ini melibatkan pengembangan dan pengujian model YOLO dengan berbagai dataset untuk memastikan akurasi deteksi dan responsivitas sistem. Hasil pengujian menunjukkan bahwa sistem ini mampu mendeteksi kendaraan dengan akurasi tinggi dan mengoptimalkan durasi lampu lalu lintas secara dinamis. Hasil tugas akhir menunjukkan bahwa datasets dengan pembagian 80% untuk pelatihan, 10% untuk validasi, dan 10% untuk pengujian memberikan hasil terbaik model dengan performa nilai mAP (Mean Average Precision) - 50 sebesar 0.973 (97.3%). Selain itu, sistem ini mampu mengklasifikasikan kendaraan dengan akurasi tinggi, menunjukkan performa yang konsisten dalam berbagai kondisi operasional. Pengujian sistem menunjukkan bahwa durasi lampu hijau yang dihitung oleh sistem sesuai dengan perhitungan manual, menunjukkan akurasi dan efektivitas sistem dalam mengelola lalu lintas di persimpangan jalan. Secara keseluruhan, laporan tugas akhir ini berhasil mengembangkan dan menguji sistem pengaturan lalu lintas berbasis pengenalan gambar yang adaptif dan responsif, diharapkan memberikan kontribusi signifikan dalam meningkatkan efisiensi lalu lintas dan kualitas hidup masyarakat di perkotaan.
    URI
    dspace.uii.ac.id/123456789/51616
    Collections
    • Electric Engineering [889]

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV