Perancangan Sistem Pengukur Kecepatan Kendaraan Berbasis Kamera Menggunakan Algoritma YOLO
Keywords:
Pengukur Kecepatan Kendaraan, YOLO, Deep LearningAbstract
Kendaraan motor dan mobil memiliki tingkat resiko kecelakaan yang tinggi terutama pada pengendara sepeda motor, penyebab yang utama pada transportasi darat adalah laju kendaraan yang tinggi dan tidak bisa diawasi sehingga dapat mengakibatkan kecelakaan di jalan ray a. Dengan itu perlu dibuatnya suatu sistem yang dapat mendeteksi objek kendaraan motor dan mobil untuk mengetahui kecepatan setiap kendaraan. Tujuan dari penelitian ini dapat menerapkan algoritma You Only Look Once (YOLO) untuk dapat mendeteksi kendaraan dan mengukur laju kecepatan kendaraan yang melintas di jalan raya dengan bantuan kamera. Hasil dari pengujian menunjukan nilai akurasi yang cukup baik dalam mengukur kecepatan kendaraan dan berfungsi sesuai dengan perencanaan dengan uji coba kecepatan dari interval 10km/jam-60km/jam. Setiap interval kecepatan mendapatkan tingkat akurasi yang berbeda dengan nilai terkecil didapat pada kecepatan 10km/jam dengan rata-rata nilai 92.8% dan nilai error 7.2%. Sedangkan dari keseluruhan interval kecepatan, didapatkan dengan tingkat akurasi rata-rata sebesar 96.05% , nilai error 3.93% , dan nilai presisi 98.98%.
References
Andrew, A., Buliali, J. L., & Wijaya, A. Y. (2017). Deteksi Kecepatan Kendaraan Berjalan di Jalan Menggunakan OpenCV. Jurnal Teknik ITS, 6(2). https://doi.org/10.12962/j23373539.v6i2.23489
Apridiansyah, Y., & Gumiri, J. R. (2021). Penerapan Metode Background Subtraction Untuk Deteksi Gerak Pada Kendaraan. JUKOMIKA (Jurnal Ilmu Komputer dan Informatika), 4(1), 47-56.
Antara, I. (2013). Model Jaringan Syaraf Tiruan Backpropagation Dengan Input berdasarkan Model Regresi Terbaik (Studi Kasus Peramalan Laju Inflasi Umum Month To Month Berdasarkan Laju Inflasi Kelompok Barang Di Provins (Doctoral dissertation, Universitas Brawijaya).
Geraldy, C., & Lubis, C. (2020). Pendeteksian Dan Pengenalan Jenis Mobil Menggunakan Algoritma You Only Look Once Dan Convolutional Neural Network. Jurnal Ilmu Komputer Dan Sistem Informasi, 8(2), 197. https://doi.org/10.24912/jiksi.v8i2.11495
Herawan, A. Pengembangan Model Jaringan Syaraf Tiruan untuk Mendeteksi Anomali Satelit LAPAN-TUBSAT. JEPIN (Jurnal Edukasi dan Penelitian Informatika), 5(2), 230-239.
Hutauruk, J. S. W., Matulatan, T., & Hayaty, N. (2020). Deteksi Kendaraan secara Real Time menggunakan Metode YOLO Berbasis Android. Jurnal Sustainable: Jurnal Hasil Penelitian Dan Industri Terapan, 9(1), 8–14. https://doi.org/10.31629/sustainable.v9i1.1401
Herawan, A. Pengembangan Model Jaringan Syaraf Tiruan untuk Mendeteksi Anomali Satelit LAPAN-TUBSAT. JEPIN (Jurnal Edukasi dan Penelitian Informatika), 5(2), 230-239.
Satura, F. R., Chandra, A. A., & Adhinata, F. D. (2021). Pengukur Kecepatan Kendaraan Menggunakan Algoritma Image Subtracting. Journal ICTEE, 2(2), 35. https://doi.org/10.33365/jictee.v2i2.1287
Suartika IW, Wijaya AY, Soelaiman R. 2016. Klasifikasi citra menggunakanconvolutional neural network (CNN) pada Caltech 101. Jurnal Teknik ITS. 5(1):2337-3539
