PENGATURAN LAMPU LALU LINTAS BERDASARKAN DETEKSI VOLUME KENDARAAN MENGGUNAKAN METODE YOLOv3

MUHAMMAD IRFAAN HADI

Informasi Umum

Kode

22.04.1675

Klasifikasi

621.367 8 - Remote Sensing Technology

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Remote Sensing, Engineering Mechanics, Computer Vision,

Dilihat

489 kali

Informasi Lainnya

Abstraksi

Traffic light adalah salah satu teknologi yang perlu dikembangkan di Indonesia, dimana pengelolaan arus lalu lintas yang berdampak pada kelancaran atau kemacetan jalan salah satunya tergantung pada sistem traffic light itu sendiri. Penggunaan teknologi terbarukan pada traffic light masih sangat minim, penggunaan sensor maupun pengembangan sistem pada objek masalah ini harus dikembangkan sedemikian rupa agar dapat memenuhi pencapaian arus lalu lintas yang efektif dan efisien dengan menggunakan pengembangan sistem pada teknologi traffic light itu sendiri dengan sebuah inovasi. Penelitian ini bertujuan untuk mengembangkan sistem yang sudah ada dengan menambahkan beberapa inovasi teknologi terbarukan yang diterapkan pada teknologi yang digunakan sekarang.

<a>Metode yang digunakan pada penelitian ini adalah YOLO ( You Only Look Once ), yang penerapannya berupa penerapan pada skenario traffic light simpang empat menggunakan data rekaman video arus lalu lintas. Penggunaan metode ini diharapkan dapat digunakan secara maksimal karena algoritma yang dikembangkan pada metode ini dikhususkan untuk mendeteksi objek secara real-time. Dengan menggunakan prototype sederhana menggunakan Arduino mega dibutuhkannya serial communication pada kedua program yang berbeda, dimana Arduino hanya dapat menerima data string , pemaksimalan deteksi menggunakan metode YOLOv3 dinilai cukup baik karena YOLO dapat mendeteksi objek dengan cara mentraining dan menghasilkan preset sesuai kebutuhan pendeteksian. </a>

Berdasarkan hasil pengolahan data yang diambil sebagai skenario simpang empat, didapatkan kesimpulan bahwa dengan empat rekaman video arus lalu lintas sebagai data utama didapat hasil tes data sample berupa konfigurasi akurasi(%), presisi(%), recall(%), dan F1 Score. Data hasil yang diambil dibuktikan pada skenario arus jalan kedua dengan hasil Akurasi tertinggi 69%, Presisi 89%, Recall 75%, dan F1 Score 0,8. Dan juga penerapan prototype sederhana berjalan cukup baik menggunakan serial communication antar OpenCV Python dengan Arduino Mega yang menghasilkan sistem perempatan yang otomatis dan efisien berdasarkan jumlah kendaraan pada sebuah ruas jalan.

Kata Kunci : traffic light, Deteksi Objek, YOLO, Pengembangan Teknologi