Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan
Arrizqi, Ichsan
Unknown Affiliation
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

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

Found 1 Documents
Search

 1 
Deteksi Kendaraan dengan Metode YOLO Prayoga, Bayu; Anwar, Borneo Paradis; Arrizqi, Ichsan; Aliek, Teguh Munanzar; Rosyani, Perani
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 3 No. 2 (2025): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Deteksi kendaraan merupakan komponen penting dalam berbagai sistem berbasis visi komputer, termasuk manajemen lalu lintas, sistem identifikasi kendaraan, serta pengembangan teknologi kendaraan cerdas. Salah satu pendekatan yang banyak digunakan untuk tugas deteksi objek secara real-time adalah algoritma YOLO (You Only Look Once), yang dikenal karena efisiensi dan kecepatan pemrosesannya. Penelitian ini menyajikan studi tinjauan literatur mengenai penerapan algoritma YOLO dalam mendeteksi kendaraan pada data citra maupun video. Algoritma YOLO bekerja dengan memprediksi lokasi objek dan kategorinya secara simultan dalam satu proses, sehingga mampu mempercepat waktu inferensi tanpa melalui tahap pencarian kandidat objek secara terpisah. Tujuan dari penelitian ini adalah mengkaji performa algoritma YOLO dalam deteksi kendaraan, termasuk kelebihan serta keterbatasannya berdasarkan hasil penelitian terdahulu. Hasil tinjauan menunjukkan bahwa YOLO mampu memberikan kinerja yang baik dalam mendeteksi kendaraan dengan waktu komputasi yang singkat dan tingkat akurasi yang kompetitif. Metode ini telah banyak diadopsi dalam berbagai aplikasi yang membutuhkan respons cepat. Meskipun demikian, beberapa studi melaporkan bahwa YOLO masih menghadapi tantangan dalam mengenali objek berukuran kecil serta objek yang saling berdekatan. Oleh karena itu, penelitian selanjutnya disarankan untuk mengembangkan atau memodifikasi arsitektur YOLO guna meningkatkan kemampuan deteksi kendaraan secara lebih optimal.
Co-Authors Aliek, Teguh Munanzar Anwar, Borneo Paradis Perani Rosyani Prayoga, Bayu