Keywords
Faster R-CNN
YOLOv8
klasifikasi kendaraan
visi komputer
How to Cite
Abstract
Deteksi dan klasifikasi kendaraan merupakan tantangn penting dalam bidang visi komputer. Penelitian ini membandingkan dua metode deep learning populer, yaitu YOLOv8 dan Faster R-CNN, dalam hal akurasi klasifikasi kendaraan pada citra. Dataset yang digunakan terdiri dari gambar kendaraan dengan berbagai kelas seperti mobil, motor, truk, bus. Kedua model dievaluasi menggunakan metrik akurasi, presisi, dan mAP (mean Average Precision). Hasil pengujian menunjukan bahwa Faster R-CNN memberikan akurasi yang lebih tinggi dibandingkan YOLOv8 pada seluruh kelas kendaraan yang diuji. Studi ini bertujuan untuk memberikan wawasan mengenai keunggulan YOLOv8 dibandingkan metode two-stage seperti Faster R-CNN dalam konteks klasifikasi objek berbasis gambar
References
[1] “Implementasi YOLO Dalam Deteksi Jumlah”.
[2] D. I. Mulyana and M. A. Rofik, “Implementasi Deteksi Real Time Klasifikasi Jenis Kendaraan Di Indonesia Menggunakan Metode YOLOV5.”
[3] T. Taufiqurrahman, A. P. Hadi, and R. E. Siregar, “Evaluasi Performa Yolov8 Dalam Deteksi Objek Di Depan Kendaraan Dengan Variasi Kondisi Lingkungan,” Jurnal Minfo Polgan, vol. 13, no. 2, pp. 1755–1773, Nov. 2024, doi: 10.33395/jmp.v13i2.14228.
[4] T. Xie, M. Yin, X. Zhu, J. Sun, C. Meng, and S. Bei, “A Fast and Robust Lane Detection via Online Re-Parameterization and Hybrid Attention,” Sensors, vol. 23, no. 19, Oct. 2023, doi: 10.3390/s23198285.
[5] N. Hanun, M. Sarosa, and R. Andrie Asmara, “Pemanfaatan Algoritma Faster R-CNN ResNet-101 Untuk Deteksi Potongan Tubuh Manusia,” Jurnal Elektronika dan Otomasi Industri, vol. 10, no. 1, pp. 94–103, May 2023, doi: 10.33795/elkolind.v10i1.2754.
[6] M. T. Audina, F. Utaminingrum, and D. Syauqi, “Sistem Deteksi dan Klasifikasi Jenis Kendaraan berbasis Citra dengan menggunakan Metode Faster-RCNN pada Raspberry Pi 4B,” 2021. [Online]. Available: http://j-ptiik.ub.ac.id
[7] Y. Ren, C. Zhu, and S. Xiao, “Small object detection in optical remote sensing images via modified Faster R-CNN,” May 18, 2018, MDPI AG. doi: 10.3390/app8050813.
[8] H. Gibran, B. Purnama, and G. Kosala, “Pengoptimasian Pengukuran Kepadatan Jalan Raya Dengan Cctv Menggunakan Metode Yolov8,” Technomedia Journal, vol. 9, no. 1, pp. 31–45, Feb. 2024, doi: 10.33050/tmj.v9i1.2216.
[9] J. PARDEDE and H. HARDIANSAH, “Deteksi Objek Kereta Api menggunakan Metode Faster R-CNN dengan Arsitektur VGG 16,” MIND Journal, vol. 7, no. 1, pp. 21–36, Jun. 2022, doi: 10.26760/mindjournal.v7i1.21-36.
[10] S. Ren, K. He, R. Girshick, and J. Sun, “Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks,” Jun. 2015, [Online]. Available: http://arxiv.org/abs/1506.01497
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Muhamad Helmi Khoirur Rizal, Julian Sahertian, Rony Heri Irawan