Prediksi ketersediaan parkir dengan menggunakan deteksi objek arsitektur You Only Look Once (YOLOv8)

Putra, Muhammad Bayu Nurdiansyah (2024) Prediksi ketersediaan parkir dengan menggunakan deteksi objek arsitektur You Only Look Once (YOLOv8). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

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

Download (86kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (48kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (84kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (94kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (270kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (3MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (58kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (195kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan model Prediksi Ketersediaan Parkir dengan Menggunakan Deteksi Objek Arsitektur You Only Look Once (YOLOv8). Tingginya penggunaan kendaraan bermotor, terutama di negara berkembang, telah menyebabkan permasalahan parkir yang kompleks di area publik. Solusi yang efektif dan efisien sangat diperlukan untuk mengatasi kesulitan menemukan tempat parkir, parkir liar, kemacetan, dan potensi kerusakan kendaraan. Metode penelitian ini mengikuti pendekatan CRISP-DM yang mencakup pemahaman bisnis, pemahaman data, persiapan data, pembuatan model, evaluasi, dan penyebaran. Data dikumpulkan dari berbagai sumber dan dianotasi untuk mendeteksi kendaraan menggunakan arsitektur YOLO. Setelah data diproses dan model dilatih, evaluasi dilakukan menggunakan metrik seperti Mean Average Precision (mAP), Precision, Recall, F1-Score, dan Intersection over Union (IoU). Model kemudian diterapkan pada aplikasi berbasis web untuk memantau kepadatan parkir secara real-time. Hasil penelitian menunjukkan bahwa model YOLO mampu mendeteksi dan memprediksi ketersediaan parkir motor dengan akurasi yang tinggi, memberikan solusi yang praktis dan efektif untuk masalah parkir. Penelitian ini diharapkan dapat berkontribusi dalam pengembangan sistem parkir pintar (smart parking) yang mampu meningkatkan efisiensi penggunaan tempat parkir dan mengurangi permasalahan terkait parkir di lingkungan perkotaan.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Prediksi; Ketersediaan Parkir; Deteksi Objek; YOLO
Subjects: Data Processing, Computer Science > Dictionaries and Encyclopedia Computer Science
Data Processing, Computer Science > General Publications
Data Processing, Computer Science > Computer Science Education
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Muhammad Bayu Nurdiansyah Putra
Date Deposited: 13 Sep 2024 06:40
Last Modified: 13 Sep 2024 06:40
URI: https://digilib.uinsgd.ac.id/id/eprint/95356

Actions (login required)

View Item View Item