EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Implementasi Dan Optimasi Sistem Parkir Terintegrasi Menggunakan Yolo Dan Cnn Pada Lingkungan Edge Computing Berbasis Raspberry Pi

Muhammad Caesar Abhista Raya Bima Saputra, Imaduddin Harjanto, Ganjar Winasis

JETI (Jurnal Elektro dan Teknologi Informasi) · 06.08.2026 · 5 (1) · 6-11

DOI: 10.26877/tk8fmk11 ↗

Kurz gefasst

Fachartikel in der Zeitschrift JETI (Jurnal Elektro dan Teknologi Informasi), online erschienen am 06.08.2026. Verfasst von Muhammad Caesar Abhista Raya Bima Saputra und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Pertumbuhan jumlah kendaraan di lingkungan universitas seperti Universitas PGRI Semarang (UPGRIS) memerlukan sistem parkir otomatis yang efisien. Implementasi deep learning pada perangkat edge seperti Raspberry Pi menghadapi kendala latensi dan keterbatasan sumber daya. Penelitian ini bertujuan mengoptimalkan model YOLOv8n untuk deteksi plat nomor dan MobileNetV2 untuk deteksi lahan parkir melalui dua skema optimasi: konversi TensorFlow Lite (float32) dan gabungan structured pruning 20% dengan Post-Training Quantization (INT8). Hasil penelitian menunjukkan bahwa optimasi gabungan (Pruning+INT8) berhasil memangkas ukuran model YOLOv8n dari 11,71 MB menjadi 3,19 MB dan MobileNetV2 dari 10,84 MB menjadi 2,74 MB. Pada Raspberry Pi 4B, model YOLOv8n INT8 mencapai kecepatan stabil 2,72 FPS dengan efisiensi RAM sebesar 27,4%. Sementara pada MobileNetV2, optimasi mempercepat waktu inferensi hingga empat kali lipat dan menekan konsumsi RAM sebesar 35,6% (dari 940 MB ke 605 MB). Meskipun terjadi kompromi akurasi sebesar 2%-8% pada kondisi cahaya redup, model tetap mempertahankan performa deteksi yang reliabel. Penelitian ini menyimpulkan bahwa skema gabungan pruning dan kuantisasi INT8 merupakan solusi paling efisien untuk menyeimbangkan kecepatan inferensi dan keterbatasan memori pada perangkat edge guna mendukung sistem parkir cerdas secara real-time.

Zitieren

APA

Saputra, M. C. A. R. B., Harjanto, I., & Winasis, G. (2026). Implementasi Dan Optimasi Sistem Parkir Terintegrasi Menggunakan Yolo Dan Cnn Pada Lingkungan Edge Computing Berbasis Raspberry Pi. JETI (Jurnal Elektro dan Teknologi Informasi), 5(1), 6-11. https://doi.org/10.26877/tk8fmk11

Vancouver

Saputra MCARB, Harjanto I, Winasis G. Implementasi Dan Optimasi Sistem Parkir Terintegrasi Menggunakan Yolo Dan Cnn Pada Lingkungan Edge Computing Berbasis Raspberry Pi. JETI (Jurnal Elektro dan Teknologi Informasi). 2026;5(1):6-11. doi:10.26877/tk8fmk11

BibTeX
@article{Saputra2026,
  author = {Saputra, Muhammad Caesar Abhista Raya Bima and Harjanto, Imaduddin and Winasis, Ganjar},
  title = {Implementasi Dan Optimasi Sistem Parkir Terintegrasi Menggunakan Yolo Dan Cnn Pada Lingkungan Edge Computing Berbasis Raspberry Pi},
  journal = {JETI (Jurnal Elektro dan Teknologi Informasi)},
  year = {2026},
  volume = {5},
  number = {1},
  pages = {6--11},
  doi = {10.26877/tk8fmk11}
}
Kostenlos starten →