ARYANSAHPUTRA, RAJA and Matulatan, Tekad and Fahmitra, Novrizal Fattah (2026) ANALISIS PERFORMA YOLO26 UNTUK DETEKSI OBJEK REAL-TIME PADA PERANGKAT KOMPUTASI BERDAYA RENDAH ROBOT AGV. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (COVER) RAJA_ARYANSAH_PUTRA_2201020070_Teknik Informatika_Cover.pdf - Published Version Download (708kB)
	Text (ABSTRAK) RAJA_ARYANSAH_PUTRA_2201020070_Teknik Informatika_Abstrak.pdf - Published Version Download (261kB)
	Text (BAB I) RAJA_ARYANSAH_PUTRA_2201020070_Teknik Informatika_BAB I.pdf - Published Version Download (298kB)
	Text (DAFTAR PUSTAKA) RAJA_ARYANSAH_PUTRA_2201020070_Teknik Informatika_Daftar Pustaka.pdf - Published Version Download (273kB)
	Text (FULL TEKS) RAJA_ARYANSAH_PUTRA_2201020070_Teknik Informatika_Full Texts.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Penggunaan Automated Guided Vehicle (AGV) dalam industri membutuhkan sistem navigasi cerdas yang seringkali terhambat oleh keterbatasan perangkat komputasi berdaya rendah seperti prosesor CPU murni. Penelitian ini bertujuan menganalisis performa deteksi objek menggunakan arsitektur YOLO26 dan mengevaluasi efektivitas optimasi OpenVINO Toolkit pada Mini PC Intel N100. Metode penelitian mencakup pelatihan model, konversi ke format Intermediate Representation (FP32, FP16, INT8), serta pengujian kecepatan inferensi selama 30 menit menggunakan metrik System FPS dan latensi inferensi. Hasil pengujian menunjukkan bahwa seluruh model PyTorch Baseline gagal mencapai batas kelayakan navigasi 30 FPS, dengan varian terbaik YOLO26-N hanya meraih rata rata 22,29 FPS. Optimasi OpenVINO INT8 pada varian YOLO26-N berhasil memberikan akselerasi kecepatan inferensi sebesar 108,5%, sehingga mencapai rata-rata 46,48 FPS dengan latensi inferensi rata-rata 11,80 ms. Selain itu, sistem estimasi jarak monokuler berbasis Inverse Perspective Mapping (IPM) yang diintegrasikan mencatat Mean Absolute Error sebesar 22,3 cm. Penelitian ini menyimpulkan bahwa model YOLO26-N berformat INT8 paling optimal diimplementasikan sebagai sistem persepsi visual real-time untuk menunjang keamanan navigasi AGV pada perangkat keras yang terbatas. Kata kunci: AGV, deteksi objek, OpenVINO, real-time, YOLO26.

Actions (login required)

View Item