Implementasi YOLO Dalam Deteksi Jumlah Kendaraan
DOI:
https://doi.org/10.29407/r5e52h49Abstract
Penelitian ini bertujuan untuk mengembangkan sistem deteksi jumlah kendaraan untuk mengklasifikasi jenis kendaraan dan menghitung jumlah kendaraan. Masalah kemacetan pada persimpangan jalan diakibatkan durasi lampu lalu lintas tidak disesuaikan dengan volume kendaraan. Proses menghitung kendaraan masih dilakukan secara manual yang mana hal tersebut memerlukan waktu yang lama. Maka dibuatlah sebuah sistem yang dapat mengenali dan menghitung kendaraan dengan menggunakan Metode YOLO. Model yang telah dilatih kemudian diuji pada 15 gambar .Hasil pengujian menunjukkan bahwa model YOLO dapat mendeteksi kendaraan dengan akurasi sebesar 93%. Kesalahan deteksi terjadi terutama pada kendaraan yang sebagian tertutupi. Penelitian ini menunjukkan potensi implementasi YOLO untuk deteksi jumlah kendaraan.
Keywords:
YOLO, deteksi objek, kendaraan##plugins.themes.default.displayStats.downloads##
References
A. D. Sidik and A. Ansawarman, “Prediksi Jumlah Kendaraan Bermotor Menggunakan Machine Learning,” Formosa J. Multidiscip. Res., vol. 1, no. 3, pp. 559–568, 2022, doi: 10.55927/fjmr.v1i3.745.
M. I. Herdiansyah and L. Atika, “Pengaturan Lampu Lalu Lintas Menggunakan Pendekatan Sistem Pakar,” J. Ilm. Matrik, vol. 18, no. 3, pp. 241–250, 2016.
H. Budianto, A. Amrullah, W. Wahidaturrahmi, and A. Arjudin, “Optimalisasi Waktu Tunggu Lampu Lalu Lintas menggunakan Simulasi Monte Carlo di Simpang Lima Ampenan Kota Mataram,” Griya J. Math. Educ. Appl., vol. 2, no. 3, pp. 691–699, 2022, doi: 10.29303/griya.v2i3.208.
I. R. Perdana, “Peran Pemerintah Kota Depok Dalam Mengatasi atau Mengurangi Kemacetan Lalu Lintas Di Kota Depok,” J. Huk., vol. 7, no. 1, pp. 154–170, 2021, [Online]. Available: http://ejournal.uki.ac.id/index.php/tora/article/view/2388
R. Dwiyanto, D. W. Widodo, and P. Kasih, “Implementasi Metode You Only Look Once ( YOLOv5 ) Untuk Klasifikasi Kendaraan Pada CCTV Kabupaten Tulungagung,” Semin. Nas. Inov. Teknol., vol. 1, no. 1, pp. 102–104, 2022.
M. I. Haadi, D. K. Silalahi, and P. D. Wibawa, “Pengaturan Lampu Lalu Lintas Berdasarkan Deteksi Volume Kendaraan Menggunakan Metode Yolov3,” e-Proceeding Eng., vol. 9, no. 5, pp. 2133–2143, 2022.
R. A. Asmara, T. Informatika, T. Informasi, P. N. Malang, and P. Citra, “SISTEM PENGATURAN LAMPU LALU LINTAS BERDASARKAN ESTIMASI PANJANG ANTRIAN MENGGUNAKAN PENGOLAHAN CITRA,” vol. 3, pp. 20–26, 2017.
I. R. Rahadjeng, M. N. H. S. Siregar, and A. P. Windarto, “Evaluasi Perbandingan Kinerja Convolutional Neural Networks untuk Klasifikasi Kualitas Biji Kakao,” J. Media Inform. Budidarma, vol. 7, no. 3, pp. 1380–1385, 2023, doi: 10.30865/mib.v7i3.6533.
E. R. Setyaningsih and M. S. Edy, “YOLOv4 dan Mask R-CNN Untuk Deteksi Kerusakan Pada Karung Komoditi,” Teknika, vol. 11, no. 1, pp. 45–52, 2022, doi: 10.34148/teknika.v11i1.419.
G. Plastiras, C. Kyrkou, and T. Theocharides, “Efficient convnet-based object detection for unmanned aerial vehicles by selective tile processing,” ACM Int. Conf. Proceeding Ser., 2018, doi: 10.1145/3243394.3243692.
D. Nafis Alfarizi, R. Agung Pangestu, D. Aditya, M. Adi Setiawan, and P. Rosyani, “Penggunaan Metode YOLO Pada Deteksi Objek: Sebuah Tinjauan Literatur Sistematis,” J. Artif. Intel. dan Sist. Penunjang Keputusan, vol. 1, no. 1, pp. 54–63, 2023, [Online]. Available: https://jurnalmahasiswa.com/index.php/aidanspk
M. F. Arif, A. Nurkholis, S. Laia, and P. Rosyani, “Deteksi Kendaraan Dengan Metode YOLO,” J. Artif. Intel. dan Sist. Penunjang Keputusan, vol. 2, no. 1, pp. 20–27, 2023, [Online]. Available: https://jurnalmahasiswa.com/index.php/aidanspk
H. O. K. Sugianto, M. A. D. Widyadara, and A. B. Setiawan, “Implementation of Face Recognition for Attendance Using Yolo V3 Method,” Semin. Nas. Inov. Teknol., vol. 6, no. 2, pp. 50–55, 2022, [Online]. Available: https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/2559
I. Maulana, N. Khairunisa, and R. Mufidah, “Deteksi Bentuk Wajah Menggunakan Convolutional Neural Network (Cnn),” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3348–3355, 2024, doi: 10.36040/jati.v7i6.8171.
A. B. Sinuhaji, A. G. Putrada, and H. H. Nuha, “Klasifikasi Gambar dari Prototipe Camera Trap Menggunakan Model ResNet-50 untuk Mendeteksi Satwa Dilindungi,” e-Proceeding Eng., vol. 8, no. 5, pp. 10544–10555, 2021.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 M Mukhlish N.S.A, Resty Wulanningrum, Ardi Sanjaya
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
