Penerapan Modifikasi YOLOv5 Menggunakan Algortima CBAM untuk Mendeteksi Kebenaran Posisi Pemasangan Relay pada Kendaraan Toyota Fortuner (Studi Kasus : PT. Toyota Motor Manufacturing Indonesia)

Abraar, Hanif Adam Al and Drs. Muh. Arif Rahman, M.Kom and Rizal Setya Perdana,, S.Kom., M.Kom., Ph.D. (2024) Penerapan Modifikasi YOLOv5 Menggunakan Algortima CBAM untuk Mendeteksi Kebenaran Posisi Pemasangan Relay pada Kendaraan Toyota Fortuner (Studi Kasus : PT. Toyota Motor Manufacturing Indonesia). Sarjana thesis, Universitas Brawijaya.

Abstract

Relay merupakan salah satu komponen utama dalam kendaraan Toyota Fortuner. Berfungsi sebagai pengatur aliran listrik bagi keseluruhan fungsi kendaraan yang dialirkan dari komputer kendaraan. Besarnya peran Relay bagi kendaraan berbanding lurus dengan terjaminnya kualitas pemasangannya dalam kendaraan. Sehingga pemeriksaan hasil pemasangan Relay memiliki peran yang penting untuk menjamin kualitas pemasangan. Pemeriksaan yang dilakukan masih menggunakan tenaga manusia yang rentan membuat kesalahan, ditambah dengan banyaknya tipe konfigurasi relay yang terpasang dan harus dihafal saat pemeriksaan. Maka dari itu dibutuhkan sistem untuk membantu pemeriksaan pemasangan sehingga dapat menjamin kualitas pemasangan. Pada penelitian ini menerapkan metode Deep Learning yang merupakan salah satu bidang dari Machine Learning. Penggunaan metode ini berfungsi sebagai pemroses gambar yang diterapkan untuk pendeteksian objek sehingga dapat memeriksa hasil pemasangan relay. Algoritma pendeteksian objek yang digunakan merupakan algoritma You Only Look Once version 5 (YOLOv5) yang menerapkan arsitektur Convolution Neural Network dari metode Deep Learning dan memiliki kemampuan dalam melakukan pendeteksian objek. Kemampuan algoritma YOLOv5 dalam mendeteksi objek diberikan peningkatan dengan melakukan modifikasi penambahan algoritma Convolution Block Attention Module. Penambahan algoritma ini berfungsi untuk meningkatkan kualitas pendeteksian terhadap objek yang berukuran kecil, sehingga dengan modifikasi ini didapatkan kemampuan pendeteksian objek yang handal terhadap berbagai macam konfigurasi dan ukuran relay yang tergolong kecil. Sebagai hasil penelitian dari modifikasi penambahan algoritma CBAM pada algortima YOLOv5 menghasilkan peningkatan nilai Interest of Union sebesar 0.0049, dan nilai Score Confident sebesar 0.05006.

English Abstract

The relay is one of the main components in the Toyota Fortuner vehicle. It functions as a regulator of electrical flow for the overall vehicle functions transmitted from the vehicle's computer. The significance of the relay's role in the vehicle is directly proportional to the assured quality of its installation. Therefore, the inspection of the relay installation results plays a crucial role in ensuring the quality of the installation. The inspections are still carried out manually, which is susceptible to human errors, compounded by the various types of relay configurations that are installed and must be memorized during the inspection. Hence, a system is needed to assist in the inspection of the installation to guarantee its quality. This research applies the Deep Learning method, which is a field within Machine Learning. The use of this method serves as an image processor applied for object detection to check the relay installation results. The object detection algorithm used is the You Only Look Once version 5 (YOLOv5) algorithm, which implements the Convolutional Neural Network architecture from the Deep Learning method and has the capability to perform object detection. The ability of the YOLOv5 algorithm in detecting objects is enhanced by modifying and adding the Convolution Block Attention Module algorithm. This addition aims to improve the detection quality for small-sized objects. Consequently, with this modification, the algorithm achieves reliable object detection capabilities for various configurations and sizes of relays classified as small. As a result of the research, the modification and addition of the CBAM algorithm to the YOLOv5 algorithm resulted in an increase in the Intersection over Union value by 0.0049 and the Confident Score value by 0.05006.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150089
Uncontrolled Keywords:	Relay, Deep Learning, Machine Learning, Convolutional Neural Network (CNN), Pendeteksian Objek, YOLOv5, Convolution Block Attention Module (CBAM)-Relay, Deep Learning, Machine Learning, Convolutional Neural Network (CNN), Object Detection, YOLOv5, Convolution Block Attention Module (CBAM).
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	soegeng sugeng
Date Deposited:	21 Feb 2024 07:39
Last Modified:	21 Feb 2024 07:39
URI:	http://repository.ub.ac.id/id/eprint/215623

Text (DALAM MASA EMBARGO) Hanif Adam Al Abraar.pdf Restricted to Registered users only Download (5MB)

Actions (login required)

View Item