IMPLEMENTASI MODEL DEEP LEARNING DALAM DETEKSI SPACE PARKIR UNTUK SISTEM PARKIR CERDAS

Suartikha, Baiq Putri and Mulyanto, Agus (2026) IMPLEMENTASI MODEL DEEP LEARNING DALAM DETEKSI SPACE PARKIR UNTUK SISTEM PARKIR CERDAS. Diploma thesis, Institut Teknologi PLN.

[thumbnail of 202232023_BAIQ PUTRI SUARTIKHA_SKRIPSI.pdf] Text
202232023_BAIQ PUTRI SUARTIKHA_SKRIPSI.pdf
Restricted to Registered users only

Download (90MB)
[thumbnail of Cover.pdf] Text
Cover.pdf

Download (230kB)
[thumbnail of Lembar Pengesahan.pdf] Text
Lembar Pengesahan.pdf

Download (8MB)
[thumbnail of Abstrak.pdf] Text
Abstrak.pdf

Download (161kB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (164kB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf

Download (5MB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (217kB)
[thumbnail of BAB IV.pdf] Text
BAB IV.pdf
Restricted to Registered users only

Download (30MB)
[thumbnail of BAB V.pdf] Text
BAB V.pdf
Restricted to Registered users only

Download (153kB)
[thumbnail of Daftar Pustaka.pdf] Text
Daftar Pustaka.pdf

Download (127kB)

Abstract

Keterbatasan informasi ketersediaan parkir menyebabkan pengguna harus mencari slot kosong secara langsung dan menyulitkan pengelola dalam memantau kondisi parkir secara terstruktur. Penelitian ini bertujuan mengembangkan prototype sistem parkir cerdas yang mampu mendeteksi kendaraan dan menentukan status slot parkir menggunakan video CCTV simulasi. Penelitian menggunakan Design Science Research Methodology melalui tahapan identifikasi masalah, penetapan tujuan, desain dan pengembangan, demonstrasi, evaluasi, serta komunikasi. Dataset dibentuk dari 500 frame awal dan setelah pemeriksaan anotasi menghasilkan 492 gambar yang terdiri atas 349 data training, 70 validation, dan 73 testing. Model YOLO26n dilakukan fine-tuning untuk mendeteksi kendaraan, kemudian hasil deteksi dipetakan terhadap sebelas polygon Region of Interest dan diproses melalui pembacaan beberapa frame berurutan untuk menentukan status Kosong atau Terisi. Pengujian menghasilkan precision 0,9413, recall 0,9647, mAP@50 0,9866, dan mAP@50–95 0,9707. Sistem mengintegrasikan FastAPI, MySQL, dan dashboard PHP untuk menampilkan status terkini, snapshot CCTV, serta riwayat parkir. Pengujian kesesuaian status pada sebelas slot pada frame referensi menunjukkan seluruh status sesuai dengan kondisi visual yang diamati. Pengujian black box terhadap lima responden dengan sepuluh skenario menghasilkan 50 eksekusi dan seluruhnya berstatus Berhasil. Hasil penelitian menunjukkan bahwa prototype mampu menyajikan informasi ketersediaan parkir secara terstruktur. Namun, penggunaan satu video CCTV simulasi membatasi variasi kondisi pengujian sehingga diperlukan evaluasi lebih lanjut pada lingkungan parkir nyata.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: deep learning, deteksi kendaraan, sistem parkir cerdas, video CCTV, YOLO26n
Subjects: Bidang Keilmuan > Data Analytics
Bidang Keilmuan > Data Science
Bidang Keilmuan > Deep learning
Bidang Keilmuan > Sistem Informasi
Skripsi
Bidang Keilmuan > Smart System
Divisions: Fakultas Telematika Energi > S1 Sistem Informasi
Depositing User: FAKULTAS TELEMATIKA ENERGI
Date Deposited: 02 Sep 2026 06:59
Last Modified: 16 Sep 2026 03:12
URI: https://repository.itpln.ac.id/id/eprint/7844

Actions (login required)

View Item
View Item