Keywords
deteksi objek
kendaraan
How to Cite
Abstract
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.
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.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 M Mukhlish N.S.A, Resty Wulanningrum, Ardi Sanjaya