Proyek ini menggunakan YOLOv11, model deteksi objek canggih, untuk mengidentifikasi kendaraan seperti motor dan mobil pada gambar atau video. Model ini dilatih dengan dataset khusus menggunakan metode terkini untuk mencapai akurasi tinggi dengan efisiensi komputasi yang lebih baik. Dataset yang digunakan diambil dari hasil video yang direkam di area parkir Kampus UPI Cibiru. Video ini menunjukkan berbagai jenis kendaraan, terutama mobil dan motor, yang diparkir. Proses ekstraksi dataset dimulai dari perekaman video menggunakan perangkat dengan resolusi tinggi, dilanjutkan dengan pemotongan video menjadi bagian-bagian pendek, dan diakhiri dengan pengambilan frame pada interval tertentu menggunakan software seperti OpenCV. Proses pengembangan dataset bertujuan menciptakan dataset berkualitas tinggi dengan mencakup berbagai jenis kendaraan dalam kondisi berbeda. Proyek ini juga bertujuan melatih model deteksi objek menggunakan YOLOv11, yang terkenal karena efisiensi dan akurasinya. Model ini dioptimalkan melalui parameter pelatihan seperti learning rate dan batch size, sehingga mampu mengenali kendaraan secara cepat dan andal di berbagai situasi. Hasil dari proyek ini diharapkan dapat diterapkan dalam berbagai aplikasi nyata, termasuk pengawasan lalu lintas, sistem parkir otomatis, dan kendaraan otonom. Dengan memanfaatkan teknologi ini, proyek memberikan kontribusi pada pengembangan sistem transportasi yang lebih efisien dan aman.<\/p>","email":"muhammad.fajarjati@gmail.com","foto_portofolio":"2025-01-21_143314_55674_foto_portofolio.png","foto_user":"2024-12-04_09183440598.jpg","id_course":507,"id_customer":40476,"id_customer_course":114683,"id_kategori_portofolio":2,"id_portofolio":6832,"is_delete":0,"jumlah_like":1,"nama_course":"Master Class On Job Training : Data Science","nama_kategori_portofolio":"Data Science \/ Big Data","nama_portofolio":"Sistem Deteksi Kendaraan Menggunakan YOLOv11","nama_user":"Muhammad Fajar Jati Permana ","sosmed_instagram":"https:\/\/www.instagram.com\/mfajarjati","sosmed_linkedin":"https:\/\/www.linkedin.com\/in\/mfajarjati","status_portofolio":2,"waktu_approve":"Wed, 22 Jan 2025 13:25:32 GMT","waktu_submit":"Wed, 22 Jan 2025 10:19:15 GMT"},{"deskripsi_kategori_portofolio":"Data Science \/ Big Data","deskripsi_singkat":"
Project by Kayla Zhafira Ardinov<\/strong> Project tentang deteksi objek otomatis menggunakan YOLOv11<\/strong> untuk mengidentifikasi hama dan penyakit pada buah kakao<\/strong>. Fokusnya adalah membantu petani mengenali masalah seperti penyakit busuk buah<\/strong>, hama Helopeltis<\/strong>, dan hama Penggerek Buah Kakao (PBK)<\/strong> secara cepat dan akurat. Dengan memanfaatkan dataset gambar beranotasi yang terdiri dari 2000 gambar, model dilatih melalui Google Colaboratory<\/strong>. Dataset ini dikelola melalui Roboflow<\/strong> dan dioptimalkan untuk kompatibilitas dengan YOLOv11.<\/p>","email":"elatrilia2206@gmail.com","foto_portofolio":"2024-12-06_140335_98803_foto_portofolio.png","foto_user":"2024-10-29_19174940766.jpg","id_course":507,"id_customer":40644,"id_customer_course":115099,"id_kategori_portofolio":2,"id_portofolio":6371,"is_delete":0,"jumlah_like":1,"nama_course":"Master Class On Job Training : Data Science","nama_kategori_portofolio":"Data Science \/ Big Data","nama_portofolio":"OBJECT DETECTION-PESTS AND DISEASES OF COCOA FRUIT","nama_user":"Ella Trilia Oviana","sosmed_instagram":"https:\/\/www.instagram.com\/ellatrilia_\/","sosmed_linkedin":"https:\/\/www.linkedin.com\/in\/ellatriliaoviana\/","status_portofolio":2,"waktu_approve":"Sun, 15 Dec 2024 07:04:55 GMT","waktu_submit":"Fri, 06 Dec 2024 14:05:06 GMT"}],"offset":"3","page":"1","row_count":21,"status_code":200}
Project ini berfokus pada analisis kumpulan data anggur merah dari Spanyol, yang mencakup 7.500 jenis anggur dengan 11 fitur terkait harga, peringkat, dan deskripsi rasa. Data ini dapat digunakan untuk tugas klasifikasi atau regresi, dengan kelas yang teratur namun tidak seimbang (misalnya, kualitas yang meningkat dari hampir 5 menjadi 4 poin). Tujuan utama proyek adalah memprediksi harga anggur berdasarkan atribut-atribut yang tersedia dalam dataset.<\/p>","email":"ardijanh@gmail.com","foto_portofolio":"2024-07-25_131812_94109_foto_portofolio.png","foto_user":"2024-07-25_13211132238.jpg","id_course":507,"id_customer":32116,"id_customer_course":96870,"id_kategori_portofolio":2,"id_portofolio":5397,"is_delete":0,"jumlah_like":1,"nama_course":"Master Class On Job Training : Data Science","nama_kategori_portofolio":"Data Science \/ Big Data","nama_portofolio":"Spanish Wine Price prediction","nama_user":"Kayla Zhafira Ardinov","sosmed_instagram":"https:\/\/www.instagram.com\/kaylazhfrr?igsh=Nm14NXE2N3JhM2pz&utm_source=qr","sosmed_linkedin":"http:\/\/linkedin.com\/in\/kaylazhfrr-139265246\/","status_portofolio":2,"waktu_approve":"Fri, 26 Jul 2024 08:44:38 GMT","waktu_submit":"Thu, 25 Jul 2024 13:21:25 GMT"},{"deskripsi_kategori_portofolio":"Data Science \/ Big Data","deskripsi_singkat":"