Deteksi Mobil di Jalan Raya dengan Menggunakan Arsitektur YOLOv11

ZAIN, Ganar Khatir Faza (2025) Deteksi Mobil di Jalan Raya dengan Menggunakan Arsitektur YOLOv11. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (40kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf Download (4kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (4kB)
	Text 4. KATA PENGANTAR.pdf Download (73kB)
	Text 6. ABSTRAK.pdf Download (6kB)
	Text 7. ABSTRACT.pdf Download (5kB)
	Text 8. DAFTAR ISI.pdf Download (47kB)
	Text 8. DAFTAR ISI.pdf Download (47kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (89kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (82kB)

Abstract

Kurangnya penerapan sistem deteksi kendaraan di Indonesia menghambat pengembangan
smart city dalam pengelolaan lalu lintas dan transportasi cerdas. Pengembangan smart
city seperti pengaturan lampu lalu lintas adaptif menurut Suhartono (2022) dapat
mengurangi antrean kendaraan hingga 28%, serta pengembangan kendaraan otonom yang
diproyeksikan mengurangi kemacetan hingga 30% di kota besar seperti Jakarta
(Kementerian Perhubungan, 2022). Penelitian ini bertujuan mengimplementasikan
deteksi mobil menggunakan arsitektur YOLOv11 yang telah disesuaikan (fine-tuned)
untuk mendukung realisasi smart city dan aplikasi lebih lanjut dalam industri lainnya.
YOLOv11 adalah versi terbaru YOLO yang dirilis 2024, menawarkan optimisasi baru
serta peningkatan ekstraksi fitur dan terbukti memiliki performa lebih baik dibanding
versi sebelumnya (Ultralytics, 2025). Pendekatan ini melibatkan pelatihan model pada
dataset citra jalan raya dan tol di Indonesia yang mengandung objek kendaraan sehari
hari seperti motor, mobil, dan kendaraan berat, dengan optimasi parameter YOLOv11
untuk mendeteksi kelas tunggal "vehicle" (kendaraan roda empat atau lebih) dalam
berbagai kondisi lingkungan. Hasil evaluasi menunjukkan model mencapai mAP@50
98,1%, dengan akurasi tinggi dalam mendeteksi kendaraan, dapat menjadi langkah awal
dalam pengembangan di industri lainnya dan memberikan kontribusi signifikan pada
pengawasan lalu lintas cerdas dan ekosistem kota berkelanjutan.
Kata kunci : Deteksi Objek, YOLOv11, Mobil

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Informatics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	27 Nov 2025 02:50
Last Modified:	27 Nov 2025 02:50
URI:	https://eprints2.undip.ac.id/id/eprint/41518

Actions (login required)

View Item

Search for collections on Undip Repository