Peningkatan YOLO11 dalam Melakukan People Tracking and Counting Based On Gender
Peningkatan YOLO11 dama Melakukan Pelacakan Orang dan Menghitung Based On Gender
Tahun 2026 · Penulis: Ananda Salsabila
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Peningkatan YOLO11 dama Melakukan Pelacakan Orang dan Menghitung Based On Gender
Penelitian ini dimotivasi oleh kebutuhan untuk sistem pemantauan berbasis video cerdas yang mampu mendeteksi, melacak, dan menghitung orang berdasarkan gender akurat dan dalam real time. Metode manual untuk menghitung pengunjung sering kali tidak efisien dan rentan terhadap kesalahan, khususnya di lingkungan yang padat dengan dinamika pergerakan objek yang tinggi. Untuk mengatasi masalah ini, pendekatan yang didasarkan pada pembelajaran mendalam diterapkan dengan mengubah arsitektur YOLO11 menggunakan C2f (Cross Stage Parsial dengan Fusion) modul dan mengintegrasikannya dengan algoritma ByteTrack untuk pelacakan objek. Tujuan utama penelitian ini adalah menganalisis dan membandingkan kinerja model YOLO11 asli dan modifikasi YOLO11 C2f dalam mendeteksi dan melacak pergerakan manusia melalui gender dalam data video. Metodologi penelitian mencakup pelatihan model dengan variasi optimisasi (AdamW dan SGD) dan ukuran batch yang berbeda, diikuti dengan evaluasi menggunakan metrik seperti Presisi, Recall, F1-Score, mAP50, dan mAP50-95, serta analisis kinerja pelacakan objek. Hasil percobaan menunjukkan bahwa model YOLO11m C2f menggunakan optimasi SGD dan ukuran batch 32 mencapai kinerja terbaik dengan Precision 0.83, Recall dari 0.976, F1-Score dari 0.9799, mAP50 dari 0.992, mAP50-95 dari 0.926, dan akurasi 95.7%. Meskipun keakuratannya sedikit lebih rendah daripada YOLO11m AdamW (95.73%), model C2f menunjukkan stabilitas yang lebih tinggi dalam pelacakan real-time dan menghitung, secara efektif mengurangi perubahan identitas antara kelas pria dan wanita. Kesimpulannya, integrasi arsitektur YOLO11 C2f dengan algoritma ByteTrack memberikan sebuah sistem deteksi dan pelacakan yang efisien dan stabil yang cocok untuk orang-orang yang melacak dan menghitung aplikasi di lingkungan dinamis.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,849
Tahun 2025 · Penulis: Sofia Yuliana Manullang
Modifikasi Arsitektur YOLOv10 untuk Meningkatkan Performa Deteksi Biota Laut pada Citra Bawah Air
Penelitian ini dilakukan untuk mengatasi tantangan dalam deteksi objek bawah air yang sering mengalami kendala akibat kondisi lingkungan seperti pencahayaan rendah, kabut air, dan objek yang tersamarkan atau berukuran kecil. Deteksi secara manual oleh penyelam
- Cosine 0,845
Tahun 2026 · Penulis: Wahyu Tri Utama
Analisis Performa Deteksi Dan Segmentasi Berbasis YOLO Pada Rov Untuk Inspeksi Keramba Jaring Apung Akuakultur
KJA (Keramba Jaring Apung) pada akuakultur laut rentan mengalami kerusakan berupa lubang jaring dan vegetasi yang menurunkan struktural jaring, sehingga diperlukan metode inspeksi bawah air yang efektif menggunakan ROV (Remotely Operated Vehicle) yang diintegr
- Cosine 0,826
Tahun 2026 · Penulis: Dewana Kretarta Lokeswara
Implementasi Model Vision Transformer dalam Klasifikasi Citra Batik Indonesia
Batik merupakan warisan budaya Indonesia yang memiliki nilai seni tinggi dengan beragam motif dari berbagai daerah. Keberagaman ini sering menyulitkan masyarakat dalam mengenali motif batik tanpa pengetahuan sebelumnya. Penelitian terdahulu menunjukkan bahwa C