IMPLEMENTASI YOLOV5 DENGAN MODIFIKASI CROSS STAGE PARTIAL BLOCK UNTUK DETEKSI OBJEK PADA UNMANNED AERIAL VEHICLE - JURNAL

Akbar, Malik Fajriyan (2025) IMPLEMENTASI YOLOV5 DENGAN MODIFIKASI CROSS STAGE PARTIAL BLOCK UNTUK DETEKSI OBJEK PADA UNMANNED AERIAL VEHICLE - JURNAL. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 11201053_form020.pdf Restricted to Repository staff only until 4 October 2027. Download (117kB) | Request a copy
	Text 11201053_paper.pdf Restricted to Repository staff only until 4 October 2027. Download (4MB) | Request a copy
	Text 11201053_publishing_agreement.pdf Restricted to Registered users only until 4 October 2027. Download (277kB) | Request a copy
	Text 11201053_cover.pdf Restricted to Registered users only until 4 October 2027. Download (1MB) | Request a copy
	Text 11201053_statement_of_authenticity.pdf Restricted to Registered users only until 4 October 2027. Download (253kB) | Request a copy
	Text 11201053_abstract_en.pdf Restricted to Repository staff only until 4 October 2027. Download (307kB) | Request a copy
	Text 11201053_abstract_id.pdf Restricted to Registered users only until 4 October 2027. Download (306kB) | Request a copy
	Text 11201053_bibliography.pdf Restricted to Registered users only until 4 October 2027. Download (1MB) | Request a copy
	Text 11201053_chapter_1.pdf Restricted to Repository staff only until 4 October 2027. Download (1MB) | Request a copy
	Text 11201053_conclusions.pdf Restricted to Repository staff only until 4 October 2027. Download (441kB) | Request a copy
	Text 11201053_illustrations.pdf Restricted to Repository staff only until 4 October 2027. Download (471kB) | Request a copy
	Text 11201053_preface.pdf Restricted to Registered users only until 4 October 2027. Download (489kB) | Request a copy
	Text 11201053_table_of_content.pdf Restricted to Repository staff only until 4 October 2027. Download (486kB) | Request a copy
	Text 11201053_tables.pdf Restricted to Repository staff only until 4 October 2027. Download (285kB) | Request a copy
	Text 11201053_approval_sheet.pdf Restricted to Registered users only until 4 October 2027. Download (446kB) | Request a copy
	Text 11201053_enclosure.pdf Restricted to Repository staff only until 4 October 2027. Download (2MB) | Request a copy
	Text 11201053_chapter_3.pdf Restricted to Repository staff only until 4 October 2027. Download (2MB) | Request a copy
	Text 11201053_chapter_4.pdf Restricted to Repository staff only until 4 October 2027. Download (3MB) | Request a copy
	Text 11201053_chapter_2.pdf Restricted to Repository staff only until 4 October 2027. Download (9MB) | Request a copy
	Text 11201053_presentation.pdf Restricted to Repository staff only until 4 October 2027. Download (1MB) | Request a copy

Abstract

Seiring dengan kemajuan teknologi penggunaan metode object detection menggunakan kamera pada Unmanned Aerial Vehicle (UAV) menjadi lebih umum karena memiliki banyak keuntungan dibandingkan metode lain. Namun proses deteksi objek pada citra yang dihasilkan dari UAV masih memiliki kekurangan terutama dari ukuran objek yang terakuisisi cenderung berukuran kecil, sehingga menyulitkan proses klasifikasi objek yang dituju. Untuk mengatasi masalah ini diperlukan metode dalam membuat model yang lebih baik untuk dapat mengatasi permasalahan tersebut. Penelitian ini bertujuan untuk membuat model YOLO-CSPBlock yang merupakan hasil dari pengoptimalan Base Model YOLO dalam kasus ini adalah YOLOv5. YOLO-CSPBlock dibuat dengan mengubah model pada bagian C3 yang terdapat pada backbone, C3 diganti dengan CSPBlock lalu dilakukan proses training menggunakan dataset VisDrone-DET2019. Hasil training akan dianalisis menggunakan matriks evaluasi lalu di deploy pada aplikasi untuk mengukur dua model dan aplikasi deteksi video untuk dilihat akurasi dan efisiensi dari model secara real. Diharapkan dengan metode ini sistem akan mengatasi permasalahan dalam mendeteksi citra yang berukuran kecil dan meningkatkan efektifitas dalam mendeteksi objek kendaraan. Hasil evaluasi dari model YOLO-CSPBlock memiliki peningkatan dibandingkan dengan model YOLOv5s dengan nilai precision yang diperoleh sebesar 0.44015, nilai recall sebesar 0.34886, nilai mAP50 sebesar 0.33414 , nilai mAP50:95 sebesar 0.17816 dan kecepatan interferensi sebanyak 62 FPS. Untuk waktu komputasi yang dibutuhkan selama 8 jam 13 menit 10 detik.

Item Type:	Thesis (Bachelor)
Subjects:	A General Works > AC Collections. Series. Collected works A General Works > AI Indexes (General) T Technology > T Technology (General)
Divisions:	Jurusan Matematika dan Teknologi Informasi > Informatika
Depositing User:	Malik Fajriyan Akbar
Date Deposited:	02 Jul 2025 03:54
Last Modified:	02 Jul 2025 03:54
URI:	http://repository.itk.ac.id/id/eprint/22613

Actions (login required)

View Item