Helfy Susilawati S.Pd., M.T Dosen Pembimbing 1 Teddy Mulyadi H, S.T., MBA Dosen Pembimbing 1 Muhammd Lubis Dosen Pembimbing 1

Perkembangan teknologi kendaraan listrik masa depan mulai mengarah kepada jenis kendaraan listrik otonom yang mengurangi 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 karena itu, konsep model deep learning akan digunakan untuk mengembangkan sistem pendeteksian objek berbasis kamera dalam skripsi ini. Model deep learning yang digunakan untuk pendeteksian objek dalam skripsi ini adalah model arsitektur SSD ResNet 152 V1 yang dilatih untuk dapat mendeteksi 8 klasifikasi objek. Adapun objek tersebut diperoleh dari gambar yang dihasilkan oleh kamera kamera Ricoh Theta S. Dataset yang sudah di training oleh model arsitektur SSD ResNet 152 V1 diuji secara online pada mini komputer jetson AGX orin selanjutnya diuji Offline pada PC. Perhitungan dilakukan pada pengujian Offline dengan metode confusion matrix. Bedasarkan hasil pengujian Offline dapat dilihat bahwa deteksi objek model arsitektur SSD ResNet 152 V1 dapat dilatih untuk medeteksi objek dengan peformasi yang meningkat seiring peningkatan jumlah dataset gambar dari 2.000 sampai 22.000. Nilai f1-score rata-rata meningkat dari 26,1% menjadi 37,5% ketika model yang sama dilatih dengan dataset 22.000. Tingkat kemampuan prediksi setiap objek sangat bergantung pada berapa banyak objek yang dilatihkan pada model