Perpustakaan Digital ITB

Kemacetan menjadi isu penting memiliki berbagai dampak buruk terhadap masyarakat yang perlu diperhatikan. Upaya manajemen lalu lintas yang lebih baik dapat dilakukan untuk mengurangi kemacetan dengan catatan lebih memperhatikan kondisi lalu lintas suatu ruang lalu lintas terhadap lalu lintas tetangga, khususnya simpang lalu lintas. Pengamatan terhadap kondisi tersebut dapat dimulai dengan mengidentifikasi parameter lalu lintas khususnya volume lalu lintas dan perlu untuk mengetahui jumlah kendaraan yang lewat pada suatu ruang lalu lintas untuk mendapatkan nilai volume lalu lintas. Penghitungan jumlah kendaraan lalu lintas biasanya dilakukan secara manual, namun dengan adanya kemajuan teknologi kecerdasan buatan, penghitungan kendaraan dapat dilakukan menggunakan teknologi deteksi objek. Apalagi, teknologi deteksi objek digabung dengan teknologi object tracking dapat menghasilkan penghitungan kendaraan menjadi lebih mudah dilakukan dan akurat. Penelitian ini membahas tentang pengembangan sistem vehicle tracking untuk menghitung kendaraan pada simpang jalan dengan menerapkan metodologi waterfall V-Model, yang terdiri dari communication, planning, modeling, construction, dan evaluation. Implementasi sistem dilakukan sesuai dengan kebutuhan dan desain yang sudah ditetapkan dengan tahap implementasi terdiri dari, manajemen dataset, model training, dan vehicle tracking development. Hasil pengujian dari sistem ini menunjukkan kemampuan deteksi, klasifikasi, tracking, dan penghitungan kendaraan yang cukup bagus ditandai dengan berbagai nilai metriks evaluasi yang cukup tinggi, baik sistem yang menggunakan ByteTrack maupun sistem yang menggunakan DeepSORT. Bagaimanapun juga, sistem yang menggunakan ByteTrack memiliki nilai metrik evaluasi lebih tinggi dibandingkan dengan sistem yang menggunakan DeepSORT. Namun, sistem tidak bekerja secara optimal jika berurusan dengan konteks data mengandung oklusi, seperti sesama kendaraan dan tiang lampu.