Analisa Deteksi Kendaraan Berdasarkan Jenis Dan Kecepatan Menggunakan Kamera CCTV Berbasis Algoritma Yolo V11 Di Lingkungan Universitas Jember

Abstract

Penelitian ini bertujuan untuk menganalisis kemampuan algoritma YOLO V11 dalam mendeteksi jenis dan kecepatan kendaraan dari rekaman CCTV di Universitas Jember. Permasalahan utama adalah bagaimana akurasi dan kecepatan sistem bekerja secara real-time. Tujuan lainnya adalah meningkatkan efektivitas pemantauan lalu lintas dengan sistem otomatis berbasis deep learning. Metodologi penelitian ini menggunakan pendekatan eksperimental dengan menerapkan algoritma YOLO V11 untuk mendeteksi kendaraan. Data diambil dari rekaman CCTV yang dikonversi menjadi frame, kemudian dilabeli dan dilatih menggunakan YOLO. Pengujian dilakukan secara offline dan real-time dengan evaluasi melalui metrik mAP, precision, recall, serta validasi kecepatan kendaraan menggunakan garis deteksi.Hasil penelitian menunjukkan bahwa algoritma YOLO V11 mampu mendeteksi jenis dan kecepatan kendaraan dengan akurasi tinggi. Model terbaik mencapai nilai mAP50 sebesar 0,99274 dan F1-score sebesar 0,98. Sistem juga berhasil menampilkan kecepatan kendaraan secara real-time dengan tingkat error rendah, rata-rata 3,18% untuk motor dan 2,72% untuk mobil.Kesimpulan dari penelitian ini menunjukkan bahwa YOLO V11 efektif dalam mendeteksi jenis dan kecepatan kendaraan secara real-time dengan akurasi tinggi. Sistem ini dapat diimplementasikan untuk mendukung pemantauan lalu lintas. Disarankan pengembangan lebih lanjut mencakup peningkatan akurasi di kondisi pencahayaan rendah dan perluasan deteksi untuk lebih banyak jenis kendaraan.