Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementation of YOLOv5 Algorithm for Classification and Detection of Car Types Using Deep Learning Syafirly, Muhammad Rifqi Rajwa; Firmansyah, Ravi Rangga Wahyu; Nurdiansyah, Ahmad; Megana, Agis Adienia Haqi; Wirawan, I Made
Techné : Jurnal Ilmiah Elektroteknika Vol. 24 No. 1 (2025)
Publisher : Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31358/techne.v24i1.571

Abstract

Perkembangan teknologi computer vision dan deep learning telah membuka peluang baru dalam klasifikasi kendaraan, namun menghadapi tantangan dalam kompleksitas desain dan variasi visual mobil. Penelitian ini berfokus pada implementasi algoritma YOLO (You Only Look Once) V5 untuk mengklasifikasikan jenis mobil, yang bertujuan untuk mengembangkan model yang akurat, kuat, dan efektif dalam membedakan kategori mobil. Dataset yang digunakan dalam penelitian ini, yang bersumber dari Kaggle, dataset terdiri dari 1.000 gambar di empat kategori mobil (convertible, double cabin, sport, dan van), dengan 80% data digunakan untuk pelatihan, 10% untuk validasi, dan 10% untuk pengujian. Metodologinya mencakup prapemrosesan data, pelatihan model YOLOv5, dan evaluasi performa menggunakan metrik seperti akurasi, presisi, perolehan, dan skor F1. Hasilnya menunjukkan bahwa model tersebut dapat mengklasifikasikan jenis mobil dengan accuracy 96%, precision 96,6%, recall 97%, dan F1-score 97%, sehingga menunjukkan performa yang baik untuk setiap kategori mobil. Kata kunci: Klasifikasi, YOLOv5, Computer vision, Deteksi, Mobil.