Suartikha, Baiq Putri and Mulyanto, Agus (2026) IMPLEMENTASI MODEL DEEP LEARNING DALAM DETEKSI SPACE PARKIR UNTUK SISTEM PARKIR CERDAS. Diploma thesis, Institut Teknologi PLN.
202232023_BAIQ PUTRI SUARTIKHA_SKRIPSI.pdf
Restricted to Registered users only
Download (90MB)
Cover.pdf
Download (230kB)
Lembar Pengesahan.pdf
Download (8MB)
Abstrak.pdf
Download (161kB)
BAB I.pdf
Download (164kB)
BAB II.pdf
Download (5MB)
BAB III.pdf
Restricted to Registered users only
Download (217kB)
BAB IV.pdf
Restricted to Registered users only
Download (30MB)
BAB V.pdf
Restricted to Registered users only
Download (153kB)
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 |
