Widagdo, Farras Rangga (2024) Deteksi objek pada pemantauan citra udara untuk mendeteksi keberadaan pendaki gunung menggunakan algoritma YOLOv5. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_Cover.pdf Download (149kB) | Preview |
|
|
Text (ABSTRAK)
2_Abstrak (6).pdf Download (179kB) | Preview |
|
|
Text (DAFTAR ISI)
3_Daftar Isi.pdf Download (186kB) | Preview |
|
|
Text (BAB I)
4_BAB I.pdf Download (241kB) | Preview |
|
Text (BAB II)
5_BAB II.pdf Restricted to Registered users only Download (459kB) | Request a copy |
||
Text (BAB III)
6_BAB III.pdf Restricted to Registered users only Download (425kB) | Request a copy |
||
Text (BAB IV)
7_BAB IV.pdf Restricted to Registered users only Download (1MB) | Request a copy |
||
Text (BAB V)
8_BAB V.pdf Restricted to Registered users only Download (158kB) | Request a copy |
||
Text (DAFTAR PUSTAKA)
9_Daftar Pustaka.pdf Restricted to Registered users only Download (195kB) | Request a copy |
Abstract
Pendakian gunung di Indonesia, sebagai salah satu bentuk pariwisata yang populer, menawarkan tantangan fisik dan mental serta keindahan alam yang menakjubkan. Namun, risiko keselamatan seperti hipotermia, tersesat, dan kekurangan logistik sering kali menjadi masalah bagi pendaki, terutama pemula yang kurang berpengalaman. Penelitian ini bertujuan untuk mengevaluasi penerapan model deteksi objek YOLOv5 pada citra udara dalam mengidentifikasi keberadaan pendaki gunung di area pegunungan dan untuk menilai hasil pengujian model tersebut. Metode yang digunakan adalah CRISP-DM (Cross-Industry Standard Process for Data Mining), yang meliputi langkah-langkah pemahaman bisnis, pemahaman data, persiapan data, modeling, evaluasi, dan penerapan. Algoritma YOLOv5 dengan arsitektur CSPDarknet53 diimplementasikan untuk mendeteksi pendaki melalui citra udara dari kamera drone. Dataset terdiri dari 2.285 gambar yang mencakup berbagai kondisi medan dan pendaki, dikelola menggunakan Roboflow dan dilabeli dengan library labelImg. Pengujian model menunjukkan performa tinggi dengan precision 91.5%, recall 84.9%, dan mAP50 91.9%. Platform OpenCV dan Google Colab terbukti efektif untuk pengembangan dan pengujian model. Penelitian ini mengkonfirmasi bahwa YOLOv5 dapat digunakan secara efektif untuk mendeteksi pendaki gunung dari citra udara, dengan performa yang memadai untuk aplikasi dalam pencarian dan penyelamatan.
Item Type: | Thesis (Sarjana) |
---|---|
Uncontrolled Keywords: | Deteksi objek; pendaki gunung; yolov5; citra udara |
Subjects: | Data Processing, Computer Science > Computers Mathematical Principles Data Processing, Computer Science > Computer and Human Data Processing, Computer Science > Digital Computer Data Processing, Computer Science > Computer Performance Evaluation |
Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
Depositing User: | Farras Rangga Widagdo |
Date Deposited: | 17 Sep 2024 02:13 |
Last Modified: | 17 Sep 2024 02:13 |
URI: | https://digilib.uinsgd.ac.id/id/eprint/98457 |
Actions (login required)
View Item |