Optimasi Algoritma YOLOv5 Berbasis OpenCV sebagai Alat Pendeteksi Manusia pada Citra Digital

Subagja, Mifta (2026) Optimasi Algoritma YOLOv5 Berbasis OpenCV sebagai Alat Pendeteksi Manusia pada Citra Digital. Diploma thesis, Universitas Nasional.

	Text cover.pdf Download (1MB)
	Text bab1.pdf Download (119kB)
	Text bab2.pdf Download (442kB)
	Text bab3.pdf Download (409kB)
	Text bab4.pdf Download (990kB)
	Text bab5.pdf Download (108kB)
	Text Lampiran.pdf Download (259kB)

Abstract

Penelitian ini membahas implementasi algoritma YOLOv5s yang diintegrasikan dengan
pustaka OpenCV untuk mendeteksi objek manusia pada citra digital secara real-time.
Fokus penelitian ini adalah mengevaluasi kemampuan model lightweight dalam
mendukung sistem deteksi yang tetap responsif meskipun dijalankan pada perangkat
dengan spesifikasi terbatas. YOLOv5s dipilih karena arsitekturnya yang ringkas dan efisien
dalam proses inferensi, sedangkan OpenCV dimanfaatkan untuk tahap praproses citra serta
visualisasi hasil deteksi. Selain itu, algoritma DeepSORT diintegrasikan guna
mempertahankan konsistensi identitas objek manusia pada setiap frame video.
Metode penelitian meliputi studi literatur, pengumpulan data sekunder berupa potongan
video manusia dari YouTube, tahap praproses citra, implementasi model YOLOv5s
pretrained, serta integrasi DeepSORT untuk proses pelacakan. Evaluasi kinerja dilakukan
dengan membandingkan hasil deteksi terhadap ground truth menggunakan metrik
precision, recall, F1-score, confusion matrix, dan mean Average Precision (mAP). Proses
visualisasi bounding box dan Track ID dilakukan menggunakan OpenCV.
Hasil penelitian menunjukkan bahwa model YOLOv5s pretrained masih memiliki
keterbatasan dalam mendeteksi manusia pada kondisi area padat, objek berukuran kecil,
dan situasi occlusion. Nilai mAP@0.5 sebesar 0.101, precision maksimum 0.34, recall
maksimum 0.33, serta F1-score maksimum 0.19 menunjukkan bahwa performa deteksi
belum optimal. Namun demikian, integrasi DeepSORT mampu meningkatkan stabilitas
pelacakan melalui pemberian Track ID yang konsisten serta prediksi pergerakan berbasis
Filter Kalman. Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem deteksi
dan pelacakan manusia yang lebih akurat dan efisien pada penelitian selanjutnya.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Irna Irna Yunita
Date Deposited:	08 May 2026 07:04
Last Modified:	08 May 2026 07:04
URI:	https://repository.unas.ac.id/id/eprint/15830

Actions (login required)

View Item