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