DETEKSI OBJEK PADA FRAMEWORK YOLOV5 DENGAN PENANGANAN KESILAUAN CAHAYA MENGGUNAKAN GABUNGAN ARSITEKTUR U-NET DAN INPAINT
CCTV telah diterapkan untuk memantau berbagai aktivitas di lingkungan Universitas Brawijaya, termasuk lalu lintas kendaraan di gerbang kampus. Pengawasan pada malam hari dalam kondisi intensitas cahaya yang rendah merupakan tantangan tersendiri dalam penggunaan CCTV. Hal ini dikarenakan kualitas g...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2025-06-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Subjects: | |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/8866 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849222694736756736 |
|---|---|
| author | Firman Afrialdy Rizal Setya Perdana Candra Dewi |
| author_facet | Firman Afrialdy Rizal Setya Perdana Candra Dewi |
| author_sort | Firman Afrialdy |
| collection | DOAJ |
| description |
CCTV telah diterapkan untuk memantau berbagai aktivitas di lingkungan Universitas Brawijaya, termasuk lalu lintas kendaraan di gerbang kampus. Pengawasan pada malam hari dalam kondisi intensitas cahaya yang rendah merupakan tantangan tersendiri dalam penggunaan CCTV. Hal ini dikarenakan kualitas gambar yang rendah sehingga menghambat kemampuan sistem untuk mendeteksi dan mengidentifikasi objek dengan tepat. Salah satu permasalahan yang timbul dalam kasus kurangnya pencahayaan adalah munculnya flare atau kesilauan yang disebabkan oleh lampu kendaraan yang mengarah langsung ke CCTV. Oleh karena itu, pada penelitian ini digunakan segmentasi U-Net dan restorasi inpaint untuk preproses data sebelum dilakukan deteksi objek menggunakan framework YOLOv5. Hasil pengujian deteksi objek diperoleh nilai precission 0.942, recall 0.873, dan F1-Score 0.88 pada model yang dipreproses menggunakan segmentasi U-Net dan restorasi inpaint. Nilai tersebut lebih tinggi sebesar 0.032 pada precision, 0.018 pada recall, dan 0.3 pada F1-Score jika dibandingkan dengan model yang tanpa preproses.
|
| format | Article |
| id | doaj-art-16c04884fb76426fa239507bc29ffc62 |
| institution | Kabale University |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| publishDate | 2025-06-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj-art-16c04884fb76426fa239507bc29ffc622025-08-26T03:34:04ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792025-06-0112310.25126/jtiik.2025128866DETEKSI OBJEK PADA FRAMEWORK YOLOV5 DENGAN PENANGANAN KESILAUAN CAHAYA MENGGUNAKAN GABUNGAN ARSITEKTUR U-NET DAN INPAINTFirman Afrialdy0Rizal Setya Perdana1Candra Dewi2Universitas Brawijaya, MalangUniversitas Brawijaya, MalangUniversitas Brawijaya, Malang CCTV telah diterapkan untuk memantau berbagai aktivitas di lingkungan Universitas Brawijaya, termasuk lalu lintas kendaraan di gerbang kampus. Pengawasan pada malam hari dalam kondisi intensitas cahaya yang rendah merupakan tantangan tersendiri dalam penggunaan CCTV. Hal ini dikarenakan kualitas gambar yang rendah sehingga menghambat kemampuan sistem untuk mendeteksi dan mengidentifikasi objek dengan tepat. Salah satu permasalahan yang timbul dalam kasus kurangnya pencahayaan adalah munculnya flare atau kesilauan yang disebabkan oleh lampu kendaraan yang mengarah langsung ke CCTV. Oleh karena itu, pada penelitian ini digunakan segmentasi U-Net dan restorasi inpaint untuk preproses data sebelum dilakukan deteksi objek menggunakan framework YOLOv5. Hasil pengujian deteksi objek diperoleh nilai precission 0.942, recall 0.873, dan F1-Score 0.88 pada model yang dipreproses menggunakan segmentasi U-Net dan restorasi inpaint. Nilai tersebut lebih tinggi sebesar 0.032 pada precision, 0.018 pada recall, dan 0.3 pada F1-Score jika dibandingkan dengan model yang tanpa preproses. https://jtiik.ub.ac.id/index.php/jtiik/article/view/8866deteksi objeksegmentasi objekdeep learnigyolov5inpaint |
| spellingShingle | Firman Afrialdy Rizal Setya Perdana Candra Dewi DETEKSI OBJEK PADA FRAMEWORK YOLOV5 DENGAN PENANGANAN KESILAUAN CAHAYA MENGGUNAKAN GABUNGAN ARSITEKTUR U-NET DAN INPAINT Jurnal Teknologi Informasi dan Ilmu Komputer deteksi objek segmentasi objek deep learnig yolov5 inpaint |
| title | DETEKSI OBJEK PADA FRAMEWORK YOLOV5 DENGAN PENANGANAN KESILAUAN CAHAYA MENGGUNAKAN GABUNGAN ARSITEKTUR U-NET DAN INPAINT |
| title_full | DETEKSI OBJEK PADA FRAMEWORK YOLOV5 DENGAN PENANGANAN KESILAUAN CAHAYA MENGGUNAKAN GABUNGAN ARSITEKTUR U-NET DAN INPAINT |
| title_fullStr | DETEKSI OBJEK PADA FRAMEWORK YOLOV5 DENGAN PENANGANAN KESILAUAN CAHAYA MENGGUNAKAN GABUNGAN ARSITEKTUR U-NET DAN INPAINT |
| title_full_unstemmed | DETEKSI OBJEK PADA FRAMEWORK YOLOV5 DENGAN PENANGANAN KESILAUAN CAHAYA MENGGUNAKAN GABUNGAN ARSITEKTUR U-NET DAN INPAINT |
| title_short | DETEKSI OBJEK PADA FRAMEWORK YOLOV5 DENGAN PENANGANAN KESILAUAN CAHAYA MENGGUNAKAN GABUNGAN ARSITEKTUR U-NET DAN INPAINT |
| title_sort | deteksi objek pada framework yolov5 dengan penanganan kesilauan cahaya menggunakan gabungan arsitektur u net dan inpaint |
| topic | deteksi objek segmentasi objek deep learnig yolov5 inpaint |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/8866 |
| work_keys_str_mv | AT firmanafrialdy deteksiobjekpadaframeworkyolov5denganpenanganankesilauancahayamenggunakangabunganarsitekturunetdaninpaint AT rizalsetyaperdana deteksiobjekpadaframeworkyolov5denganpenanganankesilauancahayamenggunakangabunganarsitekturunetdaninpaint AT candradewi deteksiobjekpadaframeworkyolov5denganpenanganankesilauancahayamenggunakangabunganarsitekturunetdaninpaint |