HADI, DESTHIA FITRI (2024) DETEKSI KELELAHAN PENGEMUDI MOBIL DI MALAM HARI MENGGUNAKAN ALGORITMA YOLOV8. S1 thesis, Universitas Mercu Buana - Buncit.
|
Text (COVER)
41520010073 - Desthia Fitri Hadi - 02 Cover.pdf Download (366kB) | Preview |
|
|
Text (ABSTRAK)
41520010073 - Desthia Fitri Hadi - 03 Abstrak.pdf Download (49kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB 1)
41520010073 - Desthia Fitri Hadi - 04 BAB 1.pdf Restricted to Registered users only Download (139kB) |
|
|
Text (BAB 2)
41520010073 - Desthia Fitri Hadi - 05 BAB 2.pdf Restricted to Registered users only Download (228kB) |
|
|
Text (BAB 3)
41520010073 - Desthia Fitri Hadi - 06 BAB 3.pdf Restricted to Registered users only Download (122kB) |
|
|
Text (BAB 4)
41520010073 - Desthia Fitri Hadi - 07 BAB 4.pdf Restricted to Registered users only Download (697kB) |
|
|
Text (BAB 5)
41520010073 - Desthia Fitri Hadi - 08 BAB 5.pdf Restricted to Registered users only Download (45kB) |
|
|
Text (DAFTAR PUSTAKA)
41520010073 - Desthia Fitri Hadi - 09 Daftar Pustaka.pdf Restricted to Registered users only Download (120kB) |
|
|
Text (LAMPIRAN)
41520010073 - Desthia Fitri Hadi - 10 Lampiran.pdf Restricted to Registered users only Download (1MB) |
Abstract
61% angka kecelakaan di Indonesia disebabkan oleh faktor manusia atau human error, salah satunya karena kondisi kelelahan pada pengemudi. Kondisi kelelahan biasanya lebih sering terjadi pada malam hari ketika tubuh mengalami kebutuhan akan istirahat. Seiring berkembangnya teknologi, kecerdasan buatan (AI) menjadi alat penting untuk menurunkan angka kecelakaan yang disebabkan oleh pengemudi kelelahan melalui penerapan teknologi pendeteksi kelelahan pengemudi. Menerapkan algoritma You Only Look Once (YOLO) merupakan salah satu metode yang bisa digunakan untuk menganalisis deteksi kelelahan pada pengemudi melalui gambar atau video. Pada penelitian deteksi kelelahan pengemudi ini, difokuskan pada pengemudi mobil di malam hari dengan menggunakan kamera infrared night vision yang mengarah ke daerah kabin mobil dan data yang digunakan yaitu data primer sebanyak 2000 citra. Kategori kelas penelitian ini dibagi menjadi 2 yaitu active yang mendeteksi kondisi normal pengemudi dan fatigue yang mendeteksi pengemudi kondisi tidak normal atau kelelahan. Hasil yang di dapat dengan mengkofigurasi parameter model YOLOv8n dengan epoch 25, imgsz 640, dan batch size 16 adalah Accuracy mencapai sebesar 98%, Precision sebesar 98.9%, Recall sebesar 99.1%, mAP50 sebesar 0.994, dan mAP50-95 sebesar 0.922 yang menunjukkan bahwa hasil tersebut lebih baik dari versi sebelumnya yaitu YOLOv7.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41520010073 |
| Uncontrolled Keywords: | Deteksi Kelelahan, Deteksi Objek, Infrared, Google Colaboratory, YOLOv8n |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | Nasruddin Mansyur S.Hum |
| Date Deposited: | 20 Aug 2024 02:55 |
| Last Modified: | 20 Aug 2024 02:55 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/90366 |
Actions (login required)
 |
View Item |
