Faster Region-Based Convolutional Neural Network (Faster R-CNN) untuk deteksi pejalan kaki

Bakhittah, Kharisma Rizqi (2021) Faster Region-Based Convolutional Neural Network (Faster R-CNN) untuk deteksi pejalan kaki. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (28kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (80kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (78kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (167kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (532kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (448kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (837kB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (26kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (158kB) | Request a copy

Abstract

Pada tahun 2018, World Health Organization (WHO) merilis laporan global status report on road safety, yang menyatakan bahwa Indonesia merupakan negara nomor dua dengan korban kecelakaan jalan terbanyak. Kecelakaan terkait pejalan kaki yang rentan di sekitar penyeberangan terus terjadi hari demi hari, sehingga diperlukan sistem pendukung keselamatan yang proaktif. Dalam beberapa tahun terakhir, Advanced Driver Assistance Systems (ADAS) sudah mulai banyak diterapkan pada mobil termasuk di dalamnya salah satunya adalah fitur deteksi pejalan kaki. Metode Convolutional Neural Network (CNN) telah banyak digunakan untuk model deteksi pejalan kaki. Namun CNN memiliki kekurangan yaitu kerangka pengambilan sampel inputnya tetap, sehingga CNN gagal mendeteksi objek dengan kompleksitas tinggi dan kekacauan dalam deteksi citra jarak jauh. Tujuan penelitian ini adalah menerapkan metode Faster R-CNN untuk mendeteksi pejalan kaki. Hasil eksperimen menunjukkan bahwa model Faster R-CNN menghasilkan akurasi terhadap data uji sebesar 69,57% yang didapatkan dari pengujian ke-XX.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: deteksi objek; deep learning; faster r-cnn; pejalan kaki
Subjects: Data Processing, Computer Science > Computer and Human
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Kharisma Rizqi Bakhittah
Date Deposited: 21 Dec 2021 06:26
Last Modified: 21 Dec 2021 06:26
URI: https://digilib.uinsgd.ac.id/id/eprint/47012

Actions (login required)

View Item View Item