Implementasi Algoritma Yolo Pada Computer Vision Untuk Melakukan Monitoring Kondisi Lalu Lintas Menggunakan Drone

Putra, I Wayan Arya Paramartha Adi Pratama (2025) Implementasi Algoritma Yolo Pada Computer Vision Untuk Melakukan Monitoring Kondisi Lalu Lintas Menggunakan Drone. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Cover, Bab 1, Bab 5 dan Refrensi) RAMA_36304_2115344020_0017057408_0002057004_part.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (371kB)
	Text (iThenticate) RAMA_36304_2115344020_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (107kB) | Request a copy
	Text (Full Text) RAMA_36304_2115344020_full.pdf - Accepted Version Restricted to Repository staff only Download (9MB) | Request a copy

Abstract

Penelitian ini dilaksanakan di area pertigaan dan persimpangan Rektorat Universitas Udayana, dengan pengambilan data dilakukan pada tiga rentang waktu berbeda, yaitu pukul 07.00 hingga 08.00 pada pagi hari, 12.00 hingga 13.00 pada siang hari, dan 16.30 hingga 17.30 pada sore hari, guna mewakili variasi kondisi pencahayaan serta kepadatan lalu lintas. Pemantauan kondisi lalu lintas memiliki peran penting dalam menjaga kelancaran mobilitas masyarakat maupun wisatawan, terutama di kawasan pariwisata seperti Bali. Keterbatasan sistem pemantauan konvensional yang kurang fleksibel dan lambat dalam penyajian informasi mendorong perlunya teknologi alternatif. Penelitian ini mengembangkan sistem pemantauan lalu lintas pada Computer Vision dengan algoritma YOLO (You Only Look Once) untuk mendeteksi serta mengklasifikasikan kendaraan dari citra udara menggunakan drone. Sistem dibangun menggunakan drone multirotor dengan frame S500, flight controller Pixhawk 2.4.8, serta kamera VTX sebagai perangkat akuisisi data. Drone diterbangkan secara autonomous menggunakan Mission Planner, sedangkan data video diproses pada laptop dengan algoritma YOLO. Hasil deteksi kendaraan langsung ditampilkan dalam bentuk bounding box, label objek, serta jumlah kendaraan tanpa memerlukan pemrosesan tambahan. Hasil pengujian menunjukkan kinerja deteksi yang tinggi, dengan rata-rata akurasi 92,4%, presisi 91,8%, recall 90,5%, dan F1-score 91,1%. Analisis kepadatan lalu lintas mendeteksi rata-rata 16 kendaraan, dengan tingkat kepadatan 0,7% pada pagi dan siang hari, serta 1,2% pada sore hari. Dari sisi performa perangkat keras, drone mampu beroperasi sekitar 20 menit menggunakan baterai Li-ion 4S2P berkapasitas 8000 mAh. Hal ini membuktikan bahwa sistem tetap stabil pada berbagai kondisi pencahayaan, sekaligus mampu menyajikan informasi lalu lintas baik dalam format visual maupun numerik. Dengan temuan tersebut, integrasi drone dan algoritma YOLO berpotensi menjadi solusi pemantauan lalu lintas yang modern, efisien, fleksibel, serta adaptif bagi kawasan perkotaan maupun destinasi wisata.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Drone, YOLO, Computer Vision, Lalu Lintas
Subjects:	Ilmu Teknik Ilmu Teknik > Teknik Elektro Dan Informatika Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Elektro Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Elektronika Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Komputer Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Perangkat Lunak Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Mekatronika
Divisions:	Jurusan Teknik Elektro > Prodi D4 Teknik Otomasi > Skripsi
Depositing User:	I Wayan Arya Paramartha Adi Pratama Putra
Date Deposited:	15 Sep 2025 08:34
Last Modified:	15 Sep 2025 08:34
URI:	https://repository.pnb.ac.id/id/eprint/20920

Actions (login required)

View Item