Helfy Susilawati S.Pd., M.T Dosen Pembimbing 1 Teddy Mulyadi H, S.T., MBA Dosen Pembimbing 1 Sarif Arifin Dosen Pembimbing 1

Perkembangan teknologi kendaraan listrik masa depan mulai mengarah kepada jenis kendaraan listrik otonom yang mereduksi keterlibatan manusia dalam mengemudi. Untuk merealisasikannya diperlukan berbagai teknologi canggih, salah satunya adalah sistem pendeteksian objek yang akan memberi informasi tentang keberadaan objek didepan kendaraan. Oleh sebab itu pada skripsi ini akan dilakukan pengembangan sistem pendeteksian objek berbasis kamera dengan memanfaatkan konsep model deep learning. Model deep learning yang digunakan untuk pendeteksian objek dalam skripsi ini adalah model arsitektur SSD ResNet 50 V1 yang dilatih untuk dapat mendeteksi 15 klasifikasi objek. Adapun objek tersebut diperoleh dari gambar yang dihasilkan oleh kamera 360? dalam format ternormalisasi. Model terlatih selanjutnya diuji secara offline pada PC dan secara online pada mini komputer Jetson AGX Orin. Pada saat pengujian offline dilakukan perhitungan dengan menggunakan metode confusion matrix. Berdasarkan hasil pengujian dapat dilihat bahwa model arsitektur SSD ResNet 50 V1 dapat dilatih untuk mendeteksi objek dengan performansi yang meningkat seiring dengan peningkatan jumlah dataset gambar dari 2.000 hingga 14.000. Hal ini dibuktikan dengan nilai F1-Score rata-rata yang meningkat dari 12,4 % pada saat model dilatih dengan mengunakan dataset sebanyak 2.000 hingga mencapai 47,9 % pada saat model yang sama dilatih dengan menggunakan dataset sebanyak 14.000. Tingkat kemampuan prediksi tiap-tiap kelas objek sangat ditentukan oleh banyaknya objek tersebut dilatihkan pada model.