Pengembangan Sistem Deteksi Objek Pada Kendaraan Parkir Liar Menggunakan Metode You Only Look Once dan Optical Flow - Jurnal
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Alwafi, Fauzan Maftuh
Subject
T Technology (General)
Datestamp
2025-01-09 03:01:34
Abstract :
Parkir liar merupakan parkir di lokasi yang tidak semestinya seperti trotoar, bahu jalan, atau bagian utama jalan, menimbulkan gangguan lalu lintas, meningkatkan risiko kecelakaan, dan menciptakan ketidaknyamanan.. Dengan kemajuan kecerdasan buatan, khususnya Deep Learning melalui Convolutional Neural Network (CNN), deteksi objek secara real-time dapat dilakukan untuk mengatasi masalah ini. Penelitian ini bertujuan mengatasi masalah parkir liar dengan menerapkan metode YOLO untuk pendeteksian objek dan Optical Flow untuk analisis pergerakan kendaraan, yang diintegrasikan dengan algoritma ByteTrack. Penelitian ini mengevaluasi kinerja model menggunakan metrik seperti presisi, recall, mAP, serta efektivitas algoritma dalam mendeteksi dan melacak kendaraan parkir liar menggunakan MOTA. Hasil pengujian menunjukkan bahwa YOLOv8 mampu mendeteksi kendaraan dengan presisi 96,3%, recall 95,4%, dan mAP 98,9%. Uji coba implementasi tracking-object menghasilkan nilai Multiple Object Tracking Accuracy (MOTA) terbaik pada lokasi tertentu. Meskipun sedikit menurun di lokasi dengan kepadatan kendaraan lebih tinggi, tetap menunjukkan keberhasilan signifikan (78% di lokasi tertentu). Model terbaik untuk mendeteksi parkir liar adalah kombinasi YOLOv8, ByteTrack, dan Optical Flow, yang memberikan hasil sesuai dengan data aktual. Hasil penelitian ini mendukung pengembangan sistem pemantauan parkir liar yang akurat dan efisien.
Parkir liar merupakan parkir di lokasi yang tidak semestinya seperti trotoar, bahu jalan, atau bagian utama jalan, menimbulkan gangguan lalu lintas, meningkatkan risiko kecelakaan, dan menciptakan ketidaknyamanan.. Dengan kemajuan kecerdasan buatan, khususnya Deep Learning melalui Convolutional Neural Network (CNN), deteksi objek secara real-time dapat dilakukan untuk mengatasi masalah ini. Penelitian ini bertujuan mengatasi masalah parkir liar dengan menerapkan metode YOLO untuk pendeteksian objek dan Optical Flow untuk analisis pergerakan kendaraan, yang diintegrasikan dengan algoritma ByteTrack. Penelitian ini mengevaluasi kinerja model menggunakan metrik seperti presisi, recall, mAP, serta efektivitas algoritma dalam mendeteksi dan melacak kendaraan parkir liar menggunakan MOTA. Hasil pengujian menunjukkan bahwa YOLOv8 mampu mendeteksi kendaraan dengan presisi 96,3%, recall 95,4%, dan mAP 98,9%. Uji coba implementasi tracking-object menghasilkan nilai Multiple Object Tracking Accuracy (MOTA) terbaik pada lokasi tertentu. Meskipun sedikit menurun di lokasi dengan kepadatan kendaraan lebih tinggi, tetap menunjukkan keberhasilan signifikan (78% di lokasi tertentu). Model terbaik untuk mendeteksi parkir liar adalah kombinasi YOLOv8, ByteTrack, dan Optical Flow, yang memberikan hasil sesuai dengan data aktual. Hasil penelitian ini mendukung pengembangan sistem pemantauan parkir liar yang akurat dan efisien.
File :
11201032_cover.pdf
11201032_statement_of_authenticity.pdf
11201032_chapter_1.pdf
11201032_conclusions.pdf
11201032_bibliography.pdf
11201032_enclosure.pdf
11201032_Form. TA-020.pdf
11201032_cover_1.pdf
11201032_publishing_agreement.pdf
11201032_approval_sheet.pdf
11201032_preface.pdf
11201032_abstract_id.pdf
11201032_abstract_en.pdf
11201032_table_of_content.pdf
11201032_illustrations.pdf
11201032_tables.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
