Nasrulchoir, Banu Aziz (2021) SISTEM DETEKSI DAN KLASIFIKASI JENIS PAKAIAN UNTUK TATA TERTIB BERBUSANA MENGGUNAKAN METODE YOLO (YOU ONLY LOOK ONCE). Tugas Akhir thesis, University of Technology Yogyakarta.
|
Text
5171011031_BanuAzizNasrulchoir.pdf Download (67kB) | Preview |
Abstract
ABSTRAK Setiap instansi maupun lembaga pendidikan formal pasti memiliki peraturan-peraturan yang harus dipatuhi untuk setiap unsur didalamnya. Dalam lembaga pendidikan formal seperti universitas terdapat beberapa peraturan salah satunya yaitu atribut yang boleh dikenakan dalam lingkungan kampus. Atribut yang tidak diperbolehkan dalam lingkungan kampus diantaranya kaos oblong, celana pendek atau rok mini, dan sandal. Akan tetapi tidak sedikit mahasiswa yang melanggar peraturan tersebut. Sehingga diperlukan sebuah sistem yang dapat mengenali jenis atribut yang dipakai kemudian dapat memberikan peringatan secara langsung. Saat ini berkembangnya penelitian yang mempelajari tentang kecerdasan buatan salah satunya yaitu Object Detection, dapat membantu dalam mengklasifikasi jenis pakaian. Pada penelitian ini penulis menggunakan metode YOLO (You Only Look Once) untuk mengklasifikasi jenis pakaian secara realtime. Tahapan perancangan sistem yang digunakan antara lain tahap pengumpulan data gambar dari kamera, google image, Open Image Dataset v6, dan unsplash, tahap pelabelan data gambar dengan LalbeImg, tahap pelatihan dataset dengan Google Colaboratory dan tahap instalasi package pada komputer lokal. Dataset yang dikumpulkan sebanyak 12.492 gambar dengan 9 objek yang dideteksi yaitu kaos, kaos berkerah, kemeja, jas, jaket, celana pendek, celana panjang, sandal, dan sepatu. Model YOLO yang digunakan yaitu YOLOv5s dan proses training dataset mengasilkan nilai mAP 45,3% dengan perhitungan confusion matrix mendapatkan nilai akurasi 89.8%, presisi 76,3%, recall 53,7% dan F-Score 62,8%. Presentase keberhasilan mendeteksi objek pada pengujian menggunakan webcam dengan jarak 2-3 meter 98,3%, jarak 3-5 meter 100%, jarak 5-6 meter 88,3% dengan rata-rata kecepetan deteksi 0,4 detik per frame. Hasil pengujian notifikasi suara 100% berhasil apabila objek berupa kaos, celana pendek, dan sandal terdeteksi. Kata Kunci: Object Detection, YOLO, Colab, Realtime
| Item Type: | Thesis (Skripsi, Tugas Akhir or Kerja Praktek) (Tugas Akhir) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Sains Dan Teknologi > S1 Teknik Komputer |
| Depositing User: | Kaprodi S1 Sistem Komputer UTY |
| Date Deposited: | 04 Oct 2021 07:09 |
| Last Modified: | 04 Oct 2021 07:09 |
| URI: | http://eprints.uty.ac.id/id/eprint/8351 |
Actions (login required)
 |
View Item |
