Pengenalan Rambu Lalu Lintas Menggunakan Model You Only Look Once (YOLO) V8
Jurnal Rekayasa Sistem Informasi dan Teknologi · 30.11.2024 · 2 (2) · 801-809
DOI: 10.70248/jrsit.v2i2.1607 ↗Kurz gefasst
Fachartikel in der Zeitschrift Jurnal Rekayasa Sistem Informasi dan Teknologi, online erschienen am 30.11.2024. Verfasst von Jesita Reinandra Priandini. Die Arbeit wurde bisher 2-mal zitiert (Crossref).
Abstract (Originalsprache)
Mobil autonomous adalah kendaraan yang memiliki kemampuan untuk berjalan secara mandiri tanpa bantuan manusia. Walau bagaimanapun, mobil ini memiliki masalah dalam mendeteksi rambu lalu lintas. Pengenal rambu lalu lintas dirancang untuk membuat mobil autonomous lebih aman karena mereka dapat mengenali rambu lalu lintas yang dilewati. Metode ini menggunakan model YOLOv8, pengembangan dari metode Convolutional Neural Network, untuk mendeteksi dan mengklasikasi rambu lalu lintas. Model ini dipilih karena sangat efisiensi dan akurat. Dataset Roboflow yang berisi 2390 gambar dari 17 jenis rambu lalu lintas Indonesia digunakan dalam penelitian ini. Dengan nilai akurasi sebesar 97,90%, nilai ketepatan sebesar 0,978, nilai recall sebesar 0,989, nilai MAP50 sebesar 0.987, dan nilai MAP50- 95 sebesar 0,825, penelitian ini menunjukkan bahwa model ini bekerja dengan sangat baik. Nilai ini menunjukkan bahwa model dapat dengan akurat menemukan dan mengklasifikasikan rambu lalu lintas.
Zitieren
APA
Priandini, J. R. (2024). Pengenalan Rambu Lalu Lintas Menggunakan Model You Only Look Once (YOLO) V8. Jurnal Rekayasa Sistem Informasi dan Teknologi, 2(2), 801-809. https://doi.org/10.70248/jrsit.v2i2.1607
Vancouver
Priandini JR. Pengenalan Rambu Lalu Lintas Menggunakan Model You Only Look Once (YOLO) V8. Jurnal Rekayasa Sistem Informasi dan Teknologi. 2024;2(2):801-809. doi:10.70248/jrsit.v2i2.1607
BibTeX
@article{Priandini2024,
author = {Priandini, Jesita Reinandra},
title = {Pengenalan Rambu Lalu Lintas Menggunakan Model You Only Look Once (YOLO) V8},
journal = {Jurnal Rekayasa Sistem Informasi dan Teknologi},
year = {2024},
volume = {2},
number = {2},
pages = {801--809},
doi = {10.70248/jrsit.v2i2.1607}
}
EUVIMED