Prediksi Tingkat Kepadatan Kendaraan Menggunakan Metode YOLO Berbasis Image Processing pada Video Jalan Raya

Abstrak

Kemacetan lalu lintas di kawasan perkotaan menimbulkan kerugian waktu, peningkatan konsumsi bahan bakar, serta penurunan kualitas lingkungan. Oleh karena itu, diperlukan sistem pemantauan lalu lintas berbasis data visual yang andal. Penelitian ini mengembangkan sistem deteksi dan analisis kepadatan lalu lintas serta identifikasi jam sibuk dengan memanfaatkan algoritma You Only Look Once (YOLO) sebagai pendekatan deep learning. YOLO digunakan untuk melakukan deteksi dan penghitungan kendaraan dari data video jalan raya, kemudian hasil deteksi disimpan dalam basis data untuk dianalisis secara temporal menggunakan data historis volume kendaraan. Analisis ini bertujuan untuk mengidentifikasi pola kepadatan dan periode jam sibuk lalu lintas, tanpa menerapkan model prediksi temporal berbasis time-series. Kinerja sistem dievaluasi menggunakan metrik precision, recall, dan mean Average Precision (mAP), sementara hasil identifikasi jam sibuk divalidasi melalui perbandingan dengan pengamatan lapangan. Hasil pengujian menunjukkan bahwa YOLO mampu mendeteksi kendaraan secara akurat dan sistem yang dikembangkan dapat mengidentifikasi periode kepadatan lalu lintas secara konsisten. Integrasi deteksi kendaraan berbasis YOLO dengan analisis temporal berbasis web diharapkan dapat mendukung pengambilan keputusan perjalanan di lingkungan perkotaan.

Identifier

• OpenAlex: https://openalex.org/W7163124929
• DOI: https://doi.org/10.33364/algoritma/v.23-1.3152