Perpustakaan Digital ITB

Penelitian ini memperkenalkan analisis dan sistem deteksi kendaraan berbasis teknologi video analitik untuk meningkatkan deteksi kendaraan secara otomatis di persimpangan empat lengan. Secara khusus, peneliti menggunakan algoritma YOLO (You Only Look Once) untuk mendeteksi, mengklasifikasikan, dan menghitung kendaraan yang direkam oleh kamera CCTV. Penelitian ini berfokus pada persimpangan empat arah di Sedayu, Yogyakarta, Indonesia, dengan memanfaatkan rekaman CCTV publik untuk pengumpulan data. Peneliti menyiapkan dataset dengan mengekstraksi dan memberi label pada frame video, kemudian melatih berbagai model YOLO (YOLOv5s, YOLOv7, YOLOv8s, dan Gelan-c dari YOLOv9) untuk mengevaluasi kinerjanya. Temuan peneliti mengungkapkan bahwa YOLOv8s mengungguli versi lainnya dalam hal presisi dan recall untuk deteksi dan klasifikasi kendaraan. Untuk semua kelas kendaraan, YOLOv8s mencapai presisi sebesar 0,971 dan recall sebesar 0,988. Namun, penelitian ini juga mengidentifikasi tantangan seperti false positive, deteksi ganda, dan misclassifications, terutama dalam kondisi lalu lintas tertentu. Meskipun ada masalah ini, YOLOv8s menunjukkan potensi signifikan untuk meningkatkan akurasi dan efisiensi penghitungan volume lalu lintas. Penelitian ini berhasil mengembangkan prototipe sistem deteksi kendaraan dengan memanfaatkan teknologi video analitik, database, dan dashboard. Prototipe tersebut telah divalidasi pemenuhunan kebutuhan sistemnya dengan menggunakan expert judgement. Penelitian serupa di masa depan akan mengeksplorasi metode untuk mengurangi kesalahan deteksi dan meningkatkan ketahanan sistem dalam berbagai skenario lalu lintas.