Search for collections on Undip Repository

IMPLEMENTASI TEKNOLOGI LoRA UNTUK SISTEM PATROLI PADA UNMANNED SURFACE VEHICLE (USV) MENGGUNAKAN PENGOLAHAN CITRA DENGAN ALGORITMA YOU ONLY LOOK ONCE (YOLO)

Alfarisy, Muhammad Farrel (2024) IMPLEMENTASI TEKNOLOGI LoRA UNTUK SISTEM PATROLI PADA UNMANNED SURFACE VEHICLE (USV) MENGGUNAKAN PENGOLAHAN CITRA DENGAN ALGORITMA YOU ONLY LOOK ONCE (YOLO). Undergraduate thesis, UNIVERSITAS DIPONEGORO.

[thumbnail of TRO_S_MUHAMMAD FARREL ALFARISY.pdf] Text
TRO_S_MUHAMMAD FARREL ALFARISY.pdf - Published Version
Restricted to Repository staff only

Download (4MB) | Request a copy
[thumbnail of TRO_S_MUHAMMAD FARREL ALFARISY cover.pdf] Text
TRO_S_MUHAMMAD FARREL ALFARISY cover.pdf - Published Version

Download (532kB)
[thumbnail of TRO_S_MUHAMMAD FARREL ALFARISY BAB I.pdf] Text
TRO_S_MUHAMMAD FARREL ALFARISY BAB I.pdf - Published Version

Download (289kB)
[thumbnail of TRO_S_MUHAMMAD FARREL ALFARISY Daftar Pustaka.pdf] Text
TRO_S_MUHAMMAD FARREL ALFARISY Daftar Pustaka.pdf - Published Version

Download (224kB)

Abstract

Kecelakaan kapal menjadi salah satu permasalahan utama di perairan yang
memerlukan sistem pendeteksian korban secara cepat dan akurat untuk mendukung
upaya penyelamatan. Penelitian ini bertujuan mengembangkan sistem deteksi objek
korban manusia tenggelam menggunakan algoritma YOLOV5S yang
diintegrasikan dengan modul komunikasi LoRa Ebyte e220-400T22D untuk
pengiriman data secara real-time ke receiver. Data yang diterima untuk
mengaktifkan buzzer dan menampilkan sebuah kata “TERDETEKSI” pada dot
matriks yang digunakan sebagai penanda. Sistem juga dilengkapi dengan aplikasi
berbasis web yang berfungsi sebgai GUI (Graphical User Interface) untuk
menampilkan video deteksi dan data log yang berisikan waktu, nilai confidence
objek terdeteksi, dan jumlah objek terdeteksi. Pengujian yang dilakukan mencakup
akurasi deteksi objek, keberhasilan pengaktifan perangkat receiver, jarak transmisi
LoRa, serta fungsionalitas komponen atau elemen GUI. Hasil menunjukkan bahwa
pre-trained model terlatih algoritma YOLOV5S memiliki nilai precision 96.1%,
nilai recall 94.6%, nilai mAP@50 97.1%, dan nilai mAP@50-95 60.7%. Receiver
berhasil menerima data dan mengaktifkan buzzer serta dot matriks tanpa kendala.
Jarak transmisi LoRa mencapai 200 meter. Komponen atau elemen pada tampilan
GUI dapat bekerja sesuai spesifikasinya. Namun kemampuan kamera dalam
mendeteksi objek terjauh hingga jarak 240 cm, diatas jarak tersebut kamera tidak
dapat mendeteksi objek.
Kata Kunci: YOLOv5s, LoRa, GUI Berbasis Web, Deteksi Objek.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: YOLOv5s, LoRa, GUI Berbasis Web, Deteksi Objek.
Subjects: Engineering > Electrical Engineering
Engineering
Divisions: School of Vocation > Diploma in Instrumentasi and Electronics
Depositing User: Oktavia Perpus Vokasi
Date Deposited: 07 Jan 2025 02:22
Last Modified: 07 Jan 2025 02:22
URI: https://eprints2.undip.ac.id/id/eprint/29120

Actions (login required)

View Item View Item