PERBANDINGAN PERFORMA ANTARA FASTER R-CNN DAN SINGLE SHOT DETECTOR DALAM DETEKSI AKTIVITAS MEROKOK DI LINGKUNGAN KAMPUS Unissula Repository

ISTANTO, NAZLA ABAY DAUD (2025) PERBANDINGAN PERFORMA ANTARA FASTER R-CNN DAN SINGLE SHOT DETECTOR DALAM DETEKSI AKTIVITAS MEROKOK DI LINGKUNGAN KAMPUS. Undergraduate thesis, Universitas Islam Sultan Agung.

	Text Teknik Informatika_32602100103_fullpdf.pdf \| Download (4MB)
	Text Teknik Informatika_32602100103_pernyataan_publikasi.pdf Restricted to Registered users only \| Download (394kB)

Abstract

Penerapan pengaturan kawasan tanpa rokok di lingkungan kampus menghadapi tantangan dalam hal pengawasan dan penegakan. Penelitian ini bertujuan untuk membandingkan performa dua algoritma deteksi objek berbasis deep learning, yaitu Faster R-CNN dan Single Shot Detector (SSD), dalam mendeteksi aktivitas merokok di area kampus Universitas Islam Sultan Agung (UNISSULA). Dataset yang digunakan terdiri dari 1935 gambar beranotasi aktivitas merokok yang diperoleh dari Roboflow, dengan pembagian data 85% pelatihan dan 15% validasi. Model dilatih menggunakan Google Colab dan diuji berdasarkan metrik evaluasi seperti accuracy, precision, recall, dan f1- score. Hasil mengetahui bahwa Faster R-CNN mempunyai performa yang lebih unggul dengan nilai evaluasi terbaik mencapai 100% pada threshold 0.5, sedangkan SSD menunjukkan performa yang lebih rendah dengan akurasi maksimal sebesar 42,5% pada threshold yang sama. Temuan ini menyimpulkan bahwa Faster R-CNN lebih cocok untuk digunakan dalam sistem pendeteksian aktivitas merokok di lingkungan kampus dibandingkan SSD, terutama dalam konteks akurasi dan konsistensi deteksi.

Kata Kunci: Deteksi Merokok, Faster R-CNN, Single Shot Detector, Computer Vision, Deep Learning, Kampus Bebas Rokok

Dosen Pembimbing:	Poetro, Bagus Satrio Waluyo \| UNSPECIFIED
Item Type:	Thesis (Undergraduate)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User:	Pustakawan 4 UNISSULA
Date Deposited:	18 Nov 2025 06:23
URI:	https://repository.unissula.ac.id/id/eprint/42091

Actions (login required)

View Item