FALAH, Gigih Haidar (2026) Pengembangan Model Modifikasi Arsitektur YOLO11 untuk Deteksi dan Perhitungan Sepeda Motor. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive (FULL TEXT) File Skripsi Gigih Haidar Falah 24060122140150.zip Restricted to Repository staff only Download (6MB) | Request a copy
	Text 1. COVER.pdf Download (104kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (421kB)
	Text 4. KATA PENGANTAR.pdf Download (632kB)
	Text 7. ABSTRAK.pdf Download (79kB)
	Text 8. ABSTRACT.pdf Download (79kB)
	Text 9. DAFTAR ISI.pdf Download (100kB)
	Text 12. BAB 1 PENDAHULUAN.pdf Download (158kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (210kB)

Abstract

Deteksi sepeda motor merupakan komponen penting dalam sistem pengawasan lalu lintas.
Penelitian ini bertujuan mengembangkan model modifikasi arsitektur YOLO11 untuk de
teksi sepeda motor yang efisien pada kamera high angle, di mana perubahan ukuran objek
relatif tidak signifikan, sehingga diperlukan optimasi model agar tetap akurat namun ringan
secara komputasi, oleh karena itu akan dilakukan metode modifikasi pada arsitektur
YOLO11 dengan pruning dan dibandingkan dengan metode baseline .Pruning dipilih
dikarenakan dapat meningkatkan performa komputasi apabila disesuaikan dengan ukuran
object pada data yang dimiliki. Penelitian ini menggunakan dataset citra sepeda motor
sebanyak 963 gambar. Model yang dihasilkan mampu meningkatkan kinerja sistem deteksi
dan juga mengurangi waktu pelatihan model. Proses evaluasi dilakukan menggunakan
metrik precision, recall, mAP50, mAP50-95, serta performa komputasi berupa inference
time dan FPS. Hasil pengujian menunjukkan bahwa model dengan metode Detection Head
Large dengan varian YOLO11x memperoleh hasil peningkatan efisiensi dengan inference
time 11,8 ms dan FPS 43,30-43,96 dengan training time selama 1 jam 31 menit 3 detik,
dibandingkan model baseline dengan varian YOLO11x yang memiliki inference time hingga
18,5 ms dan FPS 30,9 dengan training time selama 2 jam 16 menit. Berdasarkan hasil terse
but, dapat disimpulkan bahwa penerapan pruning pada detection head mampu meningkatkan
komputasi model meskipun terdapat penurunan pada metrik mAP50-95 dibandingkan
dengan metode baseline. Model yang dihasilkan dapat diterapkan pada sistem pengawasan
lalu lintas.
Kata kunci : Deteksi sepeda motor, YOLO11, Pruning, Detection Head

(NO. KETERSEDIAAN : 1731/F/2026)

Actions (login required)

View Item