IMPLEMENTASI OBJECT DETECTION DAN ESTIMASI JARAK BERBASIS KAMERA DENGAN METODE DEEP LEARNING PADA SISTEM AUTONOMOUS DRIVING

Febrio, Chelvin (2026) IMPLEMENTASI OBJECT DETECTION DAN ESTIMASI JARAK BERBASIS KAMERA DENGAN METODE DEEP LEARNING PADA SISTEM AUTONOMOUS DRIVING. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (1MB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (212kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (209kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (482kB) | Request a copy
	Text (BAB III RANCANG BANGUN) BAB III.pdf - Published Version Restricted to Repository staff only Download (393kB) | Request a copy
	Text (BAB IV HASIL DAN ANALISA) BAB IV.pdf - Published Version Restricted to Repository staff only Download (531kB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (181kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (183kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Perkembangan teknologi autonomous driving mendorong kebutuhan akan sistem persepsi lingkungan yang mampu mendeteksi objek serta memperkirakan jarak secara real-time. Penelitian ini bertujuan mengimplementasikan sistem object detection dan estimasi jarak berbasis kamera menggunakan metode deep learning pada sistem autonomous driving. Sistem dikembangkan dengan mengintegrasikan model YOLOv8 sebagai algoritma deteksi objek dan MiDaS sebagai metode estimasi kedalaman berbasis kamera monokular. Kamera berfungsi sebagai sensor visual untuk memperoleh citra lingkungan, sedangkan Raspberry Pi 5 digunakan sebagai pengendali keputusan yang menghasilkan sinyal PWM untuk mengatur kecepatan motor BLDC berdasarkan jarak objek terdekat. Pengujian dilakukan menggunakan dataset video dashcam kendaraan dengan merekam parameter berupa jenis objek, nilai confidence, nilai estimasi jarak, waktu komputasi YOLO, waktu komputasi MiDaS, waktu pemrosesan setiap frame, serta keluaran sinyal kendali. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi berbagai objek seperti mobil, truk, sepeda motor, dan pejalan kaki sekaligus menghasilkan estimasi jarak yang digunakan sebagai dasar pengaturan kecepatan kendaraan. Integrasi YOLOv8 dan MiDaS berhasil membentuk sistem persepsi berbasis kamera yang mampu bekerja secara real-time sehingga berpotensi menjadi solusi berbiaya rendah untuk pengembangan sistem autonomous driving berbasis computer vision.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Autonomous Driving, YOLOv8, MiDaS, Object Detection, Estimasi Jarak, Deep Learning
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	28 Aug 2026 06:39
Last Modified:	28 Aug 2026 06:39
URI:	http://eprints.polsri.ac.id/id/eprint/25722

Actions (login required)

View Item