ALDIANSYAH, EXA IKHTAR (2026) ANALISIS KOMPARASI KINERJA YOLOv9, YOLOv10 & RTDETR DALAM DETEKSI PLAT NOMOR KENDARAAN. Diploma thesis, UNIVERSITAS NASIONAL.
![[thumbnail of COVER.pdf]](https://repository.unas.ac.id/style/images/fileicons/text.png "COVER.pdf") |
Text
COVER.pdf Download (1MB) |
|
Text
BAB I.pdf Download (415kB) |
|
Text
BAB II.pdf Download (882kB) |
|
Text
BAB III.pdf Download (1MB) |
|
Text
BAB IV.pdf Download (2MB) |
|
Text
BAB V.pdf Download (365kB) |
|
Text
LAMPIRAN.pdf Download (1MB) |
Abstract
Pertumbuhan jumlah kendaraan bermotor di Indonesia yang telah
melampaui 152 juta unit menciptakan urgensi penerapan sistem
pengawasan lalu lintas cerdas, khususnya Automatic License Plate
Recognition (ALPR). Tantangan utama deteksi plat nomor di
Indonesia meliputi variasi pencahayaan ekstrem, gangguan cuaca,
serta keragaman desain fisik plat nomor. Penelitian ini bertujuan
menganalisis secara komparatif kinerja tiga arsitektur Deep
Learning mutakhir, yaitu YOLOv9, YOLOv10, dan RT-DETR,
menggunakan dataset primer yang dihimpun dari lingkungan nyata
di Jakarta dan Bogor. Evaluasi kinerja dilakukan berdasarkan metrik
Mean Average Precision (mAP), Precision, Recall, F1-Score, dan
Frame Per Second (FPS). Hasil pengujian menunjukkan bahwa
ketiga model mampu mencapai mAP@0.5 di atas 96%. YOLOv10
mencatatkan performa terbaik secara keseluruhan dengan mAP@0.5
tertinggi sebesar 98,14% dan kecepatan inferensi mencapai 36,32
FPS, menjadikannya model paling efisien dan akurat untuk
penerapan real-time. Sementara itu, YOLOv9 menunjukkan
stabilitas deteksi yang kompetitif dengan mAP@0.5 sebesar 97,69%
dan mAP@0.5:0.95 sebesar 73,77%. Di sisi lain, RT-DETR
memiliki performa terendah dalam efisiensi dengan kecepatan hanya
14,87 FPS, meskipun memiliki tingkat Recall yang sebanding.
Penelitian ini menyimpulkan bahwa YOLOv10 direkomendasikan
sebagai model paling optimal untuk sistem deteksi plat nomor di Indonesia karena keseimbangan terbaik antara akurasi, kecepatan,
dan efisiensi komputasi.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika |
| Depositing User: | Delvy Aplirizani - |
| Date Deposited: | 13 Jul 2026 08:00 |
| Last Modified: | 13 Jul 2026 08:07 |
| URI: | https://repository.unas.ac.id/id/eprint/17010 |
Actions (login required)
 |
View Item |
