Implementasi Algoritma YOLO Pada Modul Kamera Untuk Deteksi Jenis Dan Kecepatan Kendaraan

Abstract

Kemajuan teknologi yang berkembang dengan pesat khususnya pada teknologi kecerdasan buatan (AI). Artificial Intelligence merupakan suatu simulasi manusia yang dimodelkan kedalam sebuah mesin yang kemudian mesin tersebut diprogram sehingga dapat berpikir layaknya manusia pada umumnya. Salah satu implementasi dari AI yaitu Computer Vision. Teknologi tersebut dapat memungkinkan sebuah komputer dapat mengenali objek yang ada disekitarnya. Tujuan dari penelitian yaitu untuk membuat sistem pemantauan kendaraan lalu lintas berdasarkan kelas (Mobil dan Motor) dengan melihat parameter kecepatannya. Sistem dibuat menggunakan dataset sebanyak 300 gambar yang diperoleh dari rekaman CCTV. Pengujian terbaik diperoleh pada nilai Epoch 300, Batch 8, Optimizer Stochastic Gradient Descent (SGD) dan Model YOLOV5s dengan perolehan nilai mAP sebesar 0,97355. Pengujian intensitas cahaya dilakukan bertujuan untuk mengetahui pengaruh intensitas cahaya terhadap objek yang di deteksi. Sistem yang dibuat dapat mendeteksi objek dengan baik pada rentang nilai intensitas cahaya 7000 hingga 15000 lux dengan menghasilkan rata-rata error persen sebesar 17,39% untuk kelas mobil dan 8,19% untuk kelas motor. Intensitas cahaya pada nilai 205 lux saat malam hari dihasilkan deteksi yang tidak akurat. Pengujian real time dihasilkan error persen terendah dan terbesar masing-masing 1,28% untuk kelas motor 1,59% untuk kelas mobil dan 5,35% untuk kelas motor 12,97% untuk kelas mobil.