SISTEM DETEKSI DRONE MENGGUNAKAN KAMERA DENGAN MENGGUNAKAN YOLO BERBASIS WEBSITE

Wijanarko, Restu Gilang (2024) SISTEM DETEKSI DRONE MENGGUNAKAN KAMERA DENGAN MENGGUNAKAN YOLO BERBASIS WEBSITE. Other thesis, Universitas Duta Bangsa Surakarta.

[thumbnail of Cover dan Abstrak.pdf] Text
Cover dan Abstrak.pdf - Preview
Restricted to Registered users only

Download (422kB)
[thumbnail of Bab 1.pdf] Text
Bab 1.pdf - Preview
Restricted to Registered users only

Download (390kB)
[thumbnail of Bab 2.pdf] Text
Bab 2.pdf - Preview
Restricted to Registered users only

Download (375kB)
[thumbnail of Bab 3.pdf] Text
Bab 3.pdf - Preview
Restricted to Registered users only

Download (7MB)
[thumbnail of Bab 4.pdf] Text
Bab 4.pdf - Preview
Restricted to Registered users only

Download (8MB)
[thumbnail of Bab 5.pdf] Text
Bab 5.pdf - Preview
Restricted to Registered users only

Download (131kB)
[thumbnail of Daftar Pustaka.pdf] Text
Daftar Pustaka.pdf - Preview
Restricted to Registered users only

Download (36kB)
[thumbnail of Lampiran.pdf] Text
Lampiran.pdf - Preview
Restricted to Registered users only

Download (399kB)
[thumbnail of Artikel Publikasi.pdf] Text
Artikel Publikasi.pdf - Preview
Restricted to Registered users only

Download (392kB)

Abstract

Dengan banyaknya kendaraan di jalan, penting untuk memantau lalu lintas agar keamanan dan manajemen terjaga. Pengumpulan data jumlah kendaraan secara manual membutuhkan banyak sumber daya. Penelitian ini bertujuan mendeteksi keberadaan drone menggunakan YOLOv8, teknologi visi komputer yang memungkinkan deteksi objek secara otomatis dengan akurasi dan kecepatan tinggi.
Penelitian terdiri dari pengumpulan data, preprocessing, pemodelan, dan evaluasi. Dataset diperoleh dari Roboflow, dibagi menjadi data latih dan validasi, lalu diproses dengan bounding box. Pemodelan menggunakan YOLOv8 Nano dengan 20 epoch, dan evaluasi menggunakan confusion matrix. Implementasi menggunakan OpenCV untuk menghitung jumlah kendaraan dari video serta Flask untuk antarmuka pengguna.
Sistem berhasil mendeteksi drone pada berbagai jarak, meskipun latar belakang dan kualitas video masih memengaruhi akurasi. Penelitian ini telah mengembangkan sebuah sistem deteksi drone yang akurat, yang dapat berkontribusi pada peningkatan keamanan lalu lintas dan pencegahan penyalahgunaan drone di masa depan.

Item Type: Thesis (Other)
Uncontrolled Keywords: Deteksi Drone, YOLO, Machine Learning, Google Colab, dan OpenCV
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > S1 - Teknik Informatika
SWORD Depositor: Perpustakaan Fikom
Depositing User: Perpustakaan Fikom
Date Deposited: 09 Sep 2024 04:40
Last Modified: 09 Sep 2024 04:43
URI: https://eprints.udb.ac.id/id/eprint/2708

Actions (login required)

View Item
View Item