Open access Jurnal SINTA 2
DETEKSI OBJEK PADA FRAMEWORK YOLOV5 DENGAN PENANGANAN KESILAUAN CAHAYA MENGGUNAKAN GABUNGAN ARSITEKTUR U-NET DAN INPAINT
Deteksi Objek Pada Framework Yolov5 Dengan Penanganan Kesilauan Cahaya Menggunakan Gabungan Arsitektur U-Net Dan Inpaint
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 12 No. 3 (2025) · pp. 601–608
- ISSN
- 2528-6579, 2355-7699
- Published
- 2025-06-30
- Publisher
- Fakultas Ilmu Komputer, Universitas Brawijaya
- Language
- id
Abstract
English
CCTV telah diterapkan untuk memantau berbagai aktivitas di lingkungan Universitas Brawijaya, termasuk lalu lintas kendaraan di gerbang kampus. Pengawasan pada malam hari dalam kondisi intensitas cahaya yang rendah merupakan tantangan tersendiri dalam penggunaan CCTV. Hal ini dikarenakan kualitas gambar yang rendah sehingga menghambat kemampuan sistem untuk mendeteksi dan mengidentifikasi objek dengan tepat. Salah satu permasalahan yang timbul dalam kasus kurangnya pencahayaan adalah munculnya flare atau kesilauan yang disebabkan oleh lampu kendaraan yang mengarah langsung ke CCTV. Oleh karena itu, pada penelitian ini digunakan segmentasi U-Net dan restorasi inpaint untuk preproses data sebelum dilakukan deteksi objek menggunakan framework YOLOv5. Hasil pengujian deteksi objek diperoleh nilai precision 0.942, recall 0.873, dan F1-Score 0.88 pada model yang dipreproses menggunakan segmentasi U-Net dan restorasi inpaint. Nilai tersebut lebih tinggi sebesar 0.032 pada precision, 0.018 pada recall, dan 0.3 pada F1-Score jika dibandingkan dengan model yang tanpa preproses. Abstract CCTV has been implemented to monitor various activities within Brawijaya University, including vehicle traffic at the campus gate. Surveillance at night in low light intensity conditions is a challenge in the use of CCTV. This is due to the low image quality that hampers the system's ability to detect and identify objects correctly. One of the problems that arise in the case of lack of lighting is the appearance of flares or glare caused by vehicle lights that point directly to the CCTV. Therefore, in this research, U-Net segmentation and inpaint restoration are used to preprocess data before object detection using the YOLOv5 framework. The results of object detection testing obtained precision values of 0.942, recall 0.873, and F1-Score 0.88 on models preprocessed using U-Net segmentation and inpaint restoration. These values are higher by 0.032 in precision, 0.018 in recall, and 0.3 in F1-Score when compared to the model without preprocessing.
Bahasa Indonesia
CCTV telah diterapkan untuk memantau berbagai aktivitas di lingkungan Universitas Brawijaya, termasuk lalu lintas kendaraan di gerbang kampus. Pengawasan pada malam hari dalam kondisi intensitas cahaya yang rendah merupakan tantangan tersendiri dalam penggunaan CCTV. Hal ini dikarenakan kualitas gambar yang rendah sehingga menghambat kemampuan sistem untuk mendeteksi dan mengidentifikasi objek dengan tepat. Salah satu permasalahan yang timbul dalam kasus kurangnya pencahayaan adalah munculnya flare atau kesilauan yang disebabkan oleh lampu kendaraan yang mengarah langsung ke CCTV. Oleh karena itu, pada penelitian ini digunakan segmentasi U-Net dan restorasi inpaint untuk preproses data sebelum dilakukan deteksi objek menggunakan framework YOLOv5. Hasil pengujian deteksi objek diperoleh nilai precission 0.942, recall 0.873, dan F1-Score 0.88 pada model yang dipreproses menggunakan segmentasi U-Net dan restorasi inpaint. Nilai tersebut lebih tinggi sebesar 0.032 pada precision, 0.018 pada recall, dan 0.3 pada F1-Score jika dibandingkan dengan model yang tanpa preproses.
Keywords
Collaboration network of the authors
40 authors · 83 co-authorship links · 4 across different organisations · showing the 40 most connected
Hover or tap a name to highlight its co-authors. Double-click to open the author's page.
- University of Brawijaya
- Institut Teknologi Sepuluh Nopember
- Affiliation unknown
- Different organisations
- Same organisation
- Affiliation unknown
- Thicker line = more joint articles · bigger circle = more articles
Show as table
| Co-author | Organisation | Joint articles |
|---|---|---|
| Indriati Indriati | University of Brawijaya | 2 |
| Putra Pandu Adikara | University of Brawijaya | 2 |
| Tri Hadiah Muliawati | Institut Teknologi Sepuluh Nopember | 1 |
| Reddy Alexandro | Institut Teknologi Sepuluh Nopember | 1 |
| Fitra Abdurrachman Bachtiar | University of Brawijaya | 1 |
| Nathanael Victor Darenoh | University of Brawijaya | 1 |
| Chastine Fatichah | Institut Teknologi Sepuluh Nopember | 1 |
| Diana Purwitasari | Institut Teknologi Sepuluh Nopember | 1 |
| Dany Primanita Kartikasari | University of Brawijaya | 1 |
| Yusi Tyroni Mursityo | University of Brawijaya | 1 |
| Satrio Agung Wicaksono | University of Brawijaya | 1 |
| Rochmat Setiyawan | University of Brawijaya | 1 |
| Budi Darma Setiyawan | University of Brawijaya | 1 |
| Ari Hernawan | University of Brawijaya | 1 |
| Imam Cholissodin | University of Brawijaya | 1 |
| Nurul Hidayat | University of Brawijaya | 1 |
| Sutrisno . | Affiliation unknown | 1 |
| Rina Christanti | University of Brawijaya | 1 |
| Daneswara Jauhari | University of Brawijaya | 1 |
| Alfian Himawan | University of Brawijaya | 1 |
| Wayan Firdaus Mahmudy | University of Brawijaya | 1 |
| Ghenniy Rachmansyah | University of Brawijaya | 1 |
| Andri Santoso | University of Brawijaya | 1 |
| Nadia Artha Dewi | University of Brawijaya | 1 |
| Yoke Kusuma Arbawa | University of Brawijaya | 1 |
| Bayu Rahayudi | University of Brawijaya | 1 |
| Novanto Yudistira | University of Brawijaya | 1 |
| Nurfatima Selle | University of Brawijaya | 1 |
| Indriati . | Affiliation unknown | 1 |
| Anshar Zulhilmi | University of Brawijaya | 1 |
| Muhammad Fathur Rahman Khairul | University of Brawijaya | 1 |
| Zahra Asma Annisa | University of Brawijaya | 1 |
| Faiz Aulia Al Farisi | University of Brawijaya | 1 |
| Multohadi Hamzaturrazak | University of Brawijaya | 1 |
| Abdul Jabbar | University of Brawijaya | 1 |
Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.