Pengembangan Sistem Deteksi Menggunakan YOLOv8 dan OCR untuk Menigidentifikasi Pelanggaran Kendaraan Besar pada Periode Jam Operasional di Ruas Jalan - Dalam bentuk buku karya ilmiah
BAGUS GILANG RACHMADI

Informasi Umum

Kode

25.04.5055

Klasifikasi

006.37 - Computer Vision

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Vision

Dilihat

29 kali

Informasi Lainnya

Abstraksi

Pelanggaran jam operasional oleh truk besar merupakan salah satu permasalahan<br /> utama kemacetan lalu lintas, dan peningkatan risiko kecelakaan. Pengawasan secara<br /> manual yang dilakukan oleh petugas di lapangan seringkali tidak efisien dan<br /> memiliki keterbatasan cakupan. Penelitian ini bertujuan untuk merancang dan<br /> membangun sebuah sistem deteksi otomatis untuk mengidentifikasi pelanggaran<br /> jam operasional truk besar video.<br /> Sistem ini dikembangkan menggunakan algoritma deteksi objek modern, You Only<br /> Look Once versi 8 (YOLOv8) dengan Metodologi CRISP-DM, yang dilatih untuk<br /> mengenali tiga kelas objek: Truk Besar, Truk Sedang, dan Plat Nomor. Dataset<br /> yang digunakan terdiri dari 2.235 gambar yang telah melalui proses augmentasi<br /> untuk meningkatkan variasi kondisi. Proses pelatihan model dilakukan selama 150<br /> epoch dengan resolusi gambar 960x960 piksel. Model yang telah terlatih kemudian<br /> diintegrasikan ke dalam aplikasi web berbasis Streamlit yang berfungsi sebagai<br /> antarmuka pengguna. Jika sistem mendeteksi Truk Besar yang melanggar batasan<br /> waktu dan area (ROI), maka sistem akan secara otomatis meng-capture dan<br /> membaca plat nomor kendaraan menggunakan teknologi EasyOCR.<br /> Hasil evaluasi menunjukkan performa model yang sangat baik, dengan nilai mean<br /> Average Precision ([email protected]) mencapai 84,0% untuk seluruh kelas. Kinerja per<br /> kelas menunjukkan Average Precision (AP) masing-masing sebesar 90,4% untuk<br /> Plat, 84,1% untuk Truk Besar, dan 77,6% untuk Truk Sedang. Fungsionalitas sistem<br /> secara keseluruhan berhasil mendeteksi pelanggaran dan mencatat hasilnya,<br /> termasuk bukti gambar dan teks plat nomor, ke dalam log file. Penelitian ini<br /> membuktikan bahwa sistem deteksi otomatis berbasis YOLOv8 dapat menjadi<br /> solusi yang efektif, akurat, dan praktis untuk membantu penegakan aturan lalu lintas<br /> secara lebih efisien.

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook