DETEKSI SEPEDA MOTOR DI JALAN RAYA MENGGUNAKAN FASTER R-CNN BERBASIS VGG16

• Main Author: Moch Dian Lazuardi Yudha, Dian (Author)
• Format: Book
• Published: 2020-08-28.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/52882/1/S_KOM_1403206_Title.pdf; http://repository.upi.edu/52882/2/S_KOM_1403206_Chapter1.pdf; http://repository.upi.edu/52882/3/S_KOM_1403206_Chapter2.pdf; http://repository.upi.edu/52882/4/S_KOM_1403206_Chapter3.pdf; http://repository.upi.edu/52882/5/S_KOM_1403206_Chapter4.pdf; http://repository.upi.edu/52882/6/S_KOM_1403206_Chapter5.pdf; http://repository.upi.edu/52882/7/S_KOM_1403206_Appendix.pdf
• Keywords: L Education (General); QA75 Electronic computers. Computer science

Menurut Badan Pusat Statistika (BPS) pada tahun 2016, pengendara motor di Indonesia mencapai 98.9 Juta jiwa atau 81.5% dari keseluruhan pengendara di Indonesia. Dan hanya sedikit orang yang menggunakan Mobil Penumpang dibandingkan dengan sepeda motor. Ini tandanya, Indonesia wajib menguji pengendara sepeda motor agar bisa layak mengedara di jalanan. Oleh karena itu harus dibuatkan sebuah system untuk mendeteksi sepeda motor. Banyak algoritma yang telah di publish dengan berbagai arsitektur, penelitian ini menggunakan arsitektur yang sedang popular yaitu faster rcnn. Faster rcnn telah diuji dibanyak penelitian untuk mendeteksi objek dalam gambar dan video. Penelitian ini memiliki beberapa tahapan yaitu pelabelan objek pada data training, pra proses, training, dan testing. Faster RCNN dalam penelitian ini menggunakan dasar model algoritma vgg16 yang memiliki total 16 layer. Hasil dari percobaan dengan menggunakan gambar dari CCTV menunjukan nilai loss 6.01% dan 12.11%. Hasil tersebut menunjukan bahwa sistem sudah cukup baik dalam mendeteksi sepeda motor di jalan raya.