Implementasi Metode You Only Look Once (YOLOv5) Untuk Klasifikasi Kendaraan Pada CCTV Kabupaten Tulungagung
DOI:
https://doi.org/10.29407/inotek.v6i3.2669Abstract
Kemacetan lalu lintas menjadi masalah serius pada kota-kota besar di Indonesia bahkan secara global. Dimana setiap tahun penambahan jumlah kendaraan semakin meningkat sedangkan penambahan jumlah panjang jalan hanya sedikit. Dengan adanya permasalahan tersebut perlu adanya suatu kecerdasan buatan yang dimana dapat mendeteksi dan mengklasifikasi kendaraan untuk mempermudah pengenalan objek pada suatu gambar. Metode yang digunakan adalah metode You Only Look Once (YOLOv5) yang dapat mendeteksian objek secara real-time yang menggunakan model Deep Learning. Dengan memanfaatkan CCTV pemantau arus lalu lintas di Kabupaten Tulungagung. Menggunakan dataset gambar yang dihasilkan oleh CCTV sebayak 289 gambar dengan empat kategori objek yaitu motor, mobil, bus dan truk. Hasil dari penelitian menunjukan bahwa metode YOLOv5 berhasil mengenali objek dari video yang dihasilkan oleh CCTV. Berdasarkan pengujian yang telah dilakukan dengan data training data, algoritma dalam aplikasi cukup stabil dalam mendeteksi objek dengan nilai akurasi deteksi paling besar adalah 79,8 pada siang hari.
Keywords:
Klasifikasi Kendaraan, YOLOv5, Deteksi Objek, Kabupaten Tulungagung##plugins.themes.default.displayStats.downloads##
References
J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, “You only look once: Unified, real-time object detection,” arXiv.org, 09-May-2016. [Online]. https://arxiv.org/abs/1506.02640. [Diakses: 28-Juni-2022].
A. Soto i Serrano and A. M. López Peña, “Yolo Object Detector for onboard driving images,” Dipòsit Digital de Documents de la UAB, 16-Oct-2017. [Online]. https://ddd.uab.cat/record/181557. [Diakses: 28-Juni-2022].
Downloads
Published
Issue
Section
License
Copyright (c) 2022 Ricko Dwiyanto; Danang Wahyu Widodo, Patmi Kasih
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
