Helfy Susilawati, M.T Dosen Pembimbing 1 Ahmad Hasyim, M.T Dosen Pembimbing 1 Muhammad Alwan Anshori Dosen Pembimbing 1

Pengembangan teknologi dalam bidang kendaraan listrik terus tumbuh seiring meningkatnya kemajuan Industri, seperti mengembangkan kendaraan listrik bersifat otonom atau tanpa pengemudi. Berbagai teknologi mutakhir dibutuhkan untuk mewujudkan hal tersebut, diantaranya adalah sistem pendeteksi objek yang akan memberikan detail lokasi objek pada sekitar kendaraan. Untuk itu, penelitian skripsi ini akan berfokus pada pengembangan sistem deteksi objek berbasis kamera yang menggunakan model deep learning. Model deep learning yang digunakan untuk pendeteksian objek dalam skripsi ini adalah model arsitektur Faster R-CNN ResNet 50 V1 yang dilatih untuk dapat mendeteksi 15 klasifikasi objek. Adapun objek tersebut diperoleh dari gambar yang dihasilkan oleh kamera Ricoh Theta S dalam format terdistorsi. Model terlatih selanjutnya diuji secara offline pada PC dan secara online pada mini komputer Jetson AGX Orin. Berdasarkan temuan penelitian ini, dapat disimpulkan bahwa performa arsitektur Faster R-CNN ResNet 50 V1 untuk pendeteksian objek akan meningkat seiring dengan bertambahnya jumlah dataset gambar dari 2.000 menjadi 22.000 dataset. Hal ini didukung oleh nilai ratarata f1-Score yang meningkat dari 35.7% pada saat model dilatih menggunakan dataset berjumlah 2.000, hingga mencapai 50% pada saat model dilatih menggunakan dataset berjumlah 22.000. Tingkat kemampuan prediksi tiap-tiap kelas objek yang dilatih pada model sangat ditentukan oleh banyaknya objek tersebut.