FIRMANSYAH, Sulthan (2026) Implementasi Arsitektur YOLO11 untuk Deteksi Pejalan Kaki. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive (FULL TEXT) Sulthan Firmansyah_24060121140108_BebasPustaka (BARU).zip Restricted to Repository staff only Download (6MB) | Request a copy
	Text 1. COVER.pdf Download (72kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (831kB)
	Text 4. KATA PENGANTAR.pdf Download (964kB)
	Text 6. ABSTRAK.pdf Download (103kB)
	Text 7. ABTRACT.pdf Download (97kB)
	Text 8. DAFTAR ISI.pdf Download (200kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (157kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (158kB)

Abstract

Deteksi pejalan kaki merupakan salah satu permasalahan dalam bidang computer vision yang
masih memerlukan perhatian, mengingat objek pejalan kaki memiliki variasi bentuk, pose,
dan ukuran yang tinggi serta sering muncul pada latar belakang yang kompleks. Kondisi
tersebut menyebabkan proses identifikas objek pejalan kaki menjadi lebih menantang,
khususnya pada citra atau video dengan tingkat kompleksitas visual yang tinggi. Oleh karena
itu, diperlukan model deteksi objek berbasis deep learning yang mampu menghasilkan
tingkat akurasi yang memadai. Penelitian ini bertujuan untuk mengimplementasikan dan
mengevaluasi kinerja arsitektur YOLO11 dalam mendeteksi keberadaan pejalan kaki.
Dataset yang digunakan dalam penelitian ini adalah dataset pedestrian dengan satu kelas
yang diperoleh dari platform Roboflow. Proses pelatihan model dilakukan melalui beberapa
eksperimen konfigurasi hyperparameter, meliputi batch size, learning rate, dan dropout,
untuk memperoleh performa terbaik. Evaluasi kinerja model dilakukan menggunakan metrik
Average Precision (AP). Hasil penelitian menunjukkan bahwa model terbaik mencapai nilai
AP sebesar 0,952 dengan konfigurasi batch size 16, learning rate 10-4, dan dropout 0,5.
Berdasarkan hasil tersebut, dapat disimpulkan bahwa arsitektur YOLO11 mampu
memberikan kinerja yang baik dalam mendeteksi pejalan kaki.
Kata kunci : Pedestrian, Citra, Deteksi Objek, YOLO11.

(NO. KETERSEDIAAN : 1716/F/2026)

Actions (login required)

View Item