Perpustakaan Digital ITB

Manajemen lalu lintas di kawasan perkotaan seperti Koridor Kayutangan, Malang, menghadapi tantangan akibat metode pengambilan data manual yang tidak efisien, terbatas, dan rentan terhadap kesalahan manusia. Penelitian ini mengatasi masalah tersebut dengan merancang dan membangun sebuah sistem analitik otomatis berbasis computer vision yang mampu mengekstraksi data volume kendaraan berdasarkan klasifikasi dan metrik aktivitas penyeberangan (jumlah dan durasi) dari input video kamera pengawas statis. Metodologi penelitian mengadopsi pendekatan Design Science Research Methodology (DSRM) yang mencakup serangkaian eksperimen sistematis untuk menemukan pipeline pemrosesan yang paling optimal. Eksperimen dilakukan untuk membandingkan varian arsitektur deteksi YOLO (YOLOv11n, YOLOv11s, YOLOv11m), algoritma pelacakan (multi-object tracking) antara BoT-SORT dan ByteTrack, serta menguji pengaruh metode preprocessing berbasis background subtraction untuk meningkatkan deteksi objek kecil dan teroklusi. Hasil eksperimen menunjukkan bahwa kombinasi paling optimal adalah penggunaan model YOLOv11s yang dipadukan dengan pelacak BoT-SORT dan dioptimalkan dengan preprocessing background subtraction. Konfigurasi ini berhasil meningkatkan akurasi deteksi (mAP50) dari 85,9% menjadi 88% dan secara signifikan mengurangi kesalahan pelacakan (ID switch) dari 19 menjadi 3, sambil mempertahankan kecepatan pemrosesan (25,3 FPS) pada perangkat dengan GPU. Sistem yang dihasilkan berhasil divalidasi dan memenuhi seluruh kebutuhan fungsional dan nonfungsional yang ditetapkan, membuktikan kelayakan penggunaan computer vision untuk menyediakan data analitik lalu lintas yang akurat dan efisien.