Implementasi Sistem Penghitungan Volume Kendaraan Menggunakan YOLOv8
DOI:
https://doi.org/10.37859/jf.v14i2.7395
Abstract
Dengan banyaknya kendaraan di jalan, penting untuk memantau lalu lintas agar keamanan dan manajemen lalu lintas dapat terjaga dengan baik. Pengumpulan data jumlah kendaraan secara manual memerlukan banyak sumber daya dan biaya. YOLOv8 (You Only Look Once) adalah teknologi visi komputer yang memungkinkan deteksi objek secara otomatis dengan akurasi dan kecepatan tinggi. Penelitian ini bertujuan untuk mengotomatisasi perhitungan jumlah kendaraan yang melintas dengan YOLOv8, yang dapat mendeteksi berbagai jenis kendaraan dalam berbagai kondisi cuaca. Studi ini terdiri dari beberapa tahap, yaitu pengumpulan data, preprocessing, pemodelan, dan evaluasi. Dataset diperoleh dari dataset Kaggle dan rekaman video lalu lintas di Indonesia. Dataset dibagi menjadi data latih dan validasi dan diproses dengan bounding box. Pemodelan menggunakan YOLOv8 Nano dengan 50 epoch, dan evaluasi dilakukan menggunakan confusion matrix. Implementasi dilakukan menggunakan OpenCV untuk menghitung jumlah kendaraan dari rekaman video. Sistem ini berhasil menghitung jumlah kendaraan berdasarkan klasifikasi yang berbeda dengan baik, meski ada kendala saat frame drop. Penelitian ini berhasil mengembangkan sebuah sistem yang akurat dan diuji dengan rekaman CCTV lalu lintas di Surakarta, meskipun klasifikasi jenis kendaraan belum sesuai dengan standar dinas perhubungan dan kualitas frame rate video masih memengaruhi akurasi sistem. Sebaiknya dilakukan pengujian waktu nyata dan penambahan identitas unik pada kendaraan yang dideteksi.
Downloads
References
R. F. Putra and D. I. Mulyana, “Optimasi Deteksi Objek Dengan Segmentasi dan Data Augmentasi Pada Hewan Siput Beracun Menggunakan Algoritma You Only Look Once (YOLO),” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 8, no. 1, pp. 93–103, 2024, doi: 10.35870/jtik.v8i1.1391.
P. Y. Putra, A. S. Arifianto, Z. E. Fitri, and T. D. Puspitasari, “Deteksi Kendaraan Truk pada Video Menggunakan Metode Tiny-YOLO v4,” J. Inform. Polinema, vol. 9, no. 2, pp. 215–222, 2023, doi: 10.33795/jip.v9i2.1243.
B. Yolov, Y. O. U. Only, and L. Once, “Abstrak – Tindak kekerasan dan perundungan pada anak merupakan masalah serius yang memerlukan perhatian khusus, terutama di lingkungan sekolah. Deteksi kekerasan dan perundungan masih banyak dilakukan secara manual, yang rentan terhadap kesalahan dan mema,” vol. 3, no. 9, 2024.
M. City, “Sistem Deteksi Jenis Kendaraan Metode YOLOv4 Untuk Mendukung Transportasi Cerdas Kota Medan,” pp. 146–161, 2024.
L. Hulu and A. Bawamenewi, “Pengembangan Media Pembelajaran Bahasa Indonesia Berbasis Komik di Sekolah Menengah Pertama ( SMP ),” vol. 7, no. 20, pp. 15820–15827, 2023.
A. I. Pradana et al., “PERBANDINGAN DATA UNTUK MEMPREDIKSI KETEPATAN STUDI Keberhasilan merupakan tujuan yang menempuh Salah satu keberhasilan mahasiswa tersebut dapat dilihat dari ketepatan waktu dalam menyelesaikan studinya ( Hasibuan and Mahdiana 2023 ). Keberhasilan studi m,” vol. 8, no. 2, pp. 221–228, 2024.
Rachmat Santoso, “Augmentasi Data pada Prasasti Logam untuk Deteksi Aksara Kawi,” J. Fasilkom, vol. 14, no. 1, pp. 234–241, 2024, doi: 10.37859/jf.v14i1.6952.
F. A. Artanto, “Support Vector Machine Berbasis Particle Swarm Optimization Pada Analisis Sentimen Anggota KPPS,” J. Fasilkom, vol. 14, no. 1, pp. 75–79, 2024, doi: 10.37859/jf.v14i1.6795.
C. Fatichah and R. Dikairono, “122326-242135-1-Pb,” vol. 12, no. 3, 2023.
M. K. Suryadewiansyah and T. E. E. Tju, “Naïve Bayes dan Confusion Matrix untuk Efisiensi Analisa Intrusion Detection System Alert,” J. Nas. Teknol. dan Sist. Inf., vol. 8, no. 2, pp. 81–88, 2022, doi: 10.25077/teknosi.v8i2.2022.81-88.
R. Gelar Guntara, “Deteksi Atap Bangunan Berbasis Citra Udara Menggunakan Google Colab dan Algoritma Deep Learning YOLOv7,” J. Manaj. Sist. Inf., vol. 2, no. 1, pp. 9–18, 2023, doi: 10.59431/jmasif.v2i1.156.
T. I. Z. M. Putra, S. Suprapto, and A. F. Bukhori, “Model Klasifikasi Berbasis Multiclass Classification dengan Kombinasi Indobert Embedding dan Long Short-Term Memory untuk Tweet Berbahasa Indonesia,” J. Ilmu Siber dan Teknol. Digit., vol. 1, no. 1, pp. 1–28, 2022, doi: 10.35912/jisted.v1i1.1509.
Normalisa, A. Rachmaniar, D. Diana, M. Saefudin, and R. Parulian, “Application Of Computer Vision Detection Of Apples And Oranges Using Python Language,” J. Inf. Syst. Informatics Comput., vol. 6, no. 2, pp. 455–466, 2022, doi: 10.52362/jisicom.v6i2.946.
Downloads
Published
Issue
Section
License
Copyright Notice
An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is 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 the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her 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 the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.
_(1).png)
