Berikut adalah silabus 10 sesi (@1,5 jam) untuk kursus dengan topik: “Penerapan YOLO untuk Deteksi Plat Nomor Kendaraan di Gerbang Masuk” Silabus ini dirancang untuk memandu peserta dari pemahaman dasar deteksi objek hingga membangun sistem YOLO yang dapat mendeteksi plat nomor kendaraan secara real-time di area gerbang.
Silabus 10 Sesi (Total 15 Jam)
Sesi 1: Pengenalan Deteksi Objek dan YOLO
-
Konsep deteksi objek dan perbedaan dengan klasifikasi citra
-
Sejarah dan evolusi YOLO (v1 hingga v8)
-
Studi kasus: aplikasi YOLO dalam deteksi kendaraan
-
Instalasi lingkungan: Python, Jupyter, OpenCV, YOLOv5
-
Tugas: Menyiapkan lingkungan kerja
Sesi 2: Dataset dan Anotasi Plat Nomor
-
Format dataset untuk YOLO (format .txt , .jpg )
-
Sumber dataset: OpenALPR, Kaggle, atau dataset lokal
-
Tool anotasi: LabelImg, Roboflow, Makesense.ai
-
Praktik langsung anotasi dataset plat nomor
-
Tugas: Anotasi minimal 50 gambar kendaraan
Sesi 3: Arsitektur YOLO dan Parameter Penting
-
Penjelasan arsitektur dasar YOLO (CNN backbone, head, anchor box)
-
Pengenalan anchor box dan bounding box regression
-
Parameter penting dalam konfigurasi YOLO: batch size, epochs, lr, dll
-
Tugas: Analisis file config YOLOv5 (data.yaml, train.py, hyp.yaml)
Sesi 4: Training YOLOv5 untuk Deteksi Plat Nomor
-
Persiapan folder dataset (train/test/images & labels)
-
Pelatihan model YOLOv5 dengan dataset plat nomor
-
Monitoring loss dan metrics (Precision, Recall, mAP)
-
Tugas: Lakukan training dengan minimal 50 epoch
Sesi 5: Evaluasi Model dan Pengujian
-
Visualisasi hasil deteksi (bounding box dan confidence)



