Bakhittah, Kharisma Rizqi (2021) Faster Region-Based Convolutional Neural Network (Faster R-CNN) untuk deteksi pejalan kaki. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (28kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (80kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (78kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (167kB) | Preview |
|
![[img]](https://etheses.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (532kB) | Request a copy |
|
|
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (448kB) | Request a copy |
|
|
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (837kB) | Request a copy |
|
|
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (26kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (158kB) | Request a copy |
Abstract
Pada tahun 2018, World Health Organization (WHO) merilis laporan global status report on road safety, yang menyatakan bahwa Indonesia merupakan negara nomor dua dengan korban kecelakaan jalan terbanyak. Kecelakaan terkait pejalan kaki yang rentan di sekitar penyeberangan terus terjadi hari demi hari, sehingga diperlukan sistem pendukung keselamatan yang proaktif. Dalam beberapa tahun terakhir, Advanced Driver Assistance Systems (ADAS) sudah mulai banyak diterapkan pada mobil termasuk di dalamnya salah satunya adalah fitur deteksi pejalan kaki. Metode Convolutional Neural Network (CNN) telah banyak digunakan untuk model deteksi pejalan kaki. Namun CNN memiliki kekurangan yaitu kerangka pengambilan sampel inputnya tetap, sehingga CNN gagal mendeteksi objek dengan kompleksitas tinggi dan kekacauan dalam deteksi citra jarak jauh. Tujuan penelitian ini adalah menerapkan metode Faster R-CNN untuk mendeteksi pejalan kaki. Hasil eksperimen menunjukkan bahwa model Faster R-CNN menghasilkan akurasi terhadap data uji sebesar 69,57% yang didapatkan dari pengujian ke-XX.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | deteksi objek; deep learning; faster r-cnn; pejalan kaki |
| Subjects: | Data Processing, Computer Science > Computer and Human |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Kharisma Rizqi Bakhittah |
| Date Deposited: | 21 Dec 2021 06:26 |
| Last Modified: | 21 Dec 2021 06:26 |
| URI: | https://etheses.uinsgd.ac.id/id/eprint/47012 |
Actions (login required)
 |
View Item |
