Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Dwiyanto, Ricko
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Metode You Only Look Once (YOLOv5) Untuk Klasifikasi Kendaraan Pada CCTV Kabupaten Tulungagung Dwiyanto, Ricko; Widodo, Danang Wahyu; Kasih, Patmi
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 6 No. 3 (2022): PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI TAHUN 2022
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v6i3.2669

Abstract

Kemacetan lalu lintas menjadi masalah serius pada kota-kota besar di Indonesia bahkan secara global. Dimana setiap tahun penambahan jumlah kendaraan semakin meningkat sedangkan penambahan jumlah panjang jalan hanya sedikit. Dengan adanya permasalahan tersebut perlu adanya suatu kecerdasan buatan yang dimana dapat mendeteksi dan mengklasifikasi kendaraan untuk mempermudah pengenalan objek pada suatu gambar. Metode yang digunakan adalah metode You Only Look Once (YOLOv5) yang dapat mendeteksian objek secara real-time yang menggunakan model Deep Learning. Dengan memanfaatkan CCTV pemantau arus lalu lintas di Kabupaten Tulungagung. Menggunakan dataset gambar yang dihasilkan oleh CCTV sebayak 289 gambar dengan empat kategori objek yaitu motor, mobil, bus dan truk. Hasil dari penelitian menunjukan bahwa metode YOLOv5 berhasil mengenali objek dari video yang dihasilkan oleh CCTV. Berdasarkan pengujian yang telah dilakukan dengan data training data, algoritma dalam aplikasi cukup stabil dalam mendeteksi objek dengan nilai akurasi deteksi paling besar adalah 79,8 pada siang hari.
Co-Authors Danang Wahyu Widodo Patmi Kasih