Sistem Deteksi Helm dan Pelat Nomor Kendaraan pada Pengendara Sepeda Motor dengan Menggunakan Algoritma You Only Look Once (YOLO) = Helmet and License Plate Detection System for Motorcyclists Using the You Only Look Once (YOLO) Algorithm


Israfil, Muh.Rajab (2025) Sistem Deteksi Helm dan Pelat Nomor Kendaraan pada Pengendara Sepeda Motor dengan Menggunakan Algoritma You Only Look Once (YOLO) = Helmet and License Plate Detection System for Motorcyclists Using the You Only Look Once (YOLO) Algorithm. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of COVER]
Preview
Image (COVER)
D121191035-SKRIPSI-COVER.jpg

Download (393kB) | Preview
[thumbnail of BAB 1-2] Text (BAB 1-2)
D121191035-SKRIPSI-BAB 1-2.pdf

Download (1MB)
[thumbnail of DAPUS] Text (DAPUS)
D121191035-SKRIPSI-DAPUS.pdf

Download (68kB)
[thumbnail of FULL TEXT] Text (FULL TEXT)
D121191035-SKRIPSI-FULL TEXT.pdf
Restricted to Repository staff only until 6 February 2027.

Download (2MB)

Abstract (Abstrak)

Berdasarkan data dari Korps Lalu Lintas Kepolisian Republik Indonesia (Korlantas Polri) pada tahun 2023 menyebutkan pengendara sepeda motor paling banyak melanggar peraturan lalu lintas yaitu sebanyak 344.000 pelanggaran. Salah satu pelanggaran yang sering dilakukan oleh pengendara sepeda motor adalah tidak mengenakan helm. Pihak Korlantas Polri perlu lebih memperhatikan lagi kepada pengendara-pengendara yang melakukan pelanggaran lalu lintas. Penelitian ini bertujuan untuk membangun sistem yang dapat mendeteksi pengendara dan pelat sepeda motor. Selain itu, penelitian ini juga akan mendeteksi kendaraan sepeda motor dengan tujuan untuk mengetahui kendaraan yang pengendaranya tidak mengenakan helm. Metode yang digunakan pada penelitian ini adalah menggunakan algoritma YOLOv8 untuk mendeteksi pengendara, pelat, dan kendaraan sepeda motor. Dataset pada penelitian ini bersifat primer yang diambil langsung di Jembatan Penyeberangan Urip Sumoharjo. Penelitian ini dilakukan menggunakan 3 skenario yang berbeda-beda. Pada skenario pertama tanpa menggunakan proses augmentasi data, skenario kedua dengan menggunakan 1 augmentasi data yaitu flip images, dan skenario ketiga dengan menggunakan 2 augmentasi data yaitu flip images dan brightness. Hasil penelitian menunjukkan akurasi untuk deteksi pengendara sepeda motor menghasilkan akurasi tertinggi pada skenario kedua dengan akurasi 91,11%. Untuk deteksi pelat sepeda motor menghasilkan akurasi tertinggi yaitu pada skenario kedua dengan akurasi 89,61%. Untuk deteksi kendaraan sepeda motor menghasilkan akurasi tertinggi yaitu pada skenario ketiga dengan akurasi 98,42%.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: YOLOv8, pelanggaran lalu lintas, pengendara sepeda motor, pelat, helm
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions (Program Studi): Fakultas Teknik > Teknik Informatika
Depositing User: Unnamed user with username pkl2
Date Deposited: 05 Mar 2026 02:15
Last Modified: 05 Mar 2026 02:15
URI: http://repository.unhas.ac.id:443/id/eprint/54375

Actions (login required)

View Item
View Item