ITB ADITB AD
Jurnal Teknologi Informasi (JUTECH)Jurnal Teknologi Informasi (JUTECH)Pertumbuhan jumlah kendaraan di Kota Depok mendorong kebutuhan akan sistem pemantauan lalu lintas yang akurat dan efisien. Penelitian ini mengimplementasikan algoritma You Only Look Once (YOLO) versi 8 untuk mendeteksi dan mengklasifikasikan kendaraan secara otomatis menggunakan Python dan OpenCV. Fokus penelitian ini adalah pada empat jenis kendaraan, yaitu sepeda motor, mobil pribadi, bus, dan truk. Dataset diperoleh dari rekaman CCTV dan dokumentasi lapangan, kemudian dianotasi menggunakan LabelImg dan diproses ke dalam format YOLO. Proses pelatihan dilakukan menggunakan model YOLOv8 yang telah dilatih sebelumnya, sementara pengujian sistem dilakukan pada video jalanan Kota Depok. Kinerja model dievaluasi menggunakan metrik mAP@0.5 dan mAP@0.5:mAP95, presisi, recall, dan F1 score. Hasil evaluasi menunjukkan bahwa model mencapai mAP@0.5 sebesar 91% dan mAP@0.5:mAP95 sebesar 75.1%, presisi sebesar 88.5%, recall sebesar 85.2%, dan F1-score sebesar 86.8%. Dengan hasil ini, model mampu mendeteksi dan mengklasifikasikan kendaraan secara real time dengan akurasi tinggi dalam berbagai kondisi pencahayaan dan sudut kamera. Selain itu, sistem ini terintegrasi dengan antarmuka web menggunakan Flask untuk visualisasi langsung hasil deteksi. Penelitian ini berkontribusi dalam mendukung sistem transportasi cerdas di lingkungan perkotaan dan memberikan solusi potensial untuk manajemen lalu lintas berbasis data.
Penelitian ini berhasil mengimplementasikan model YOLOv8 untuk klasifikasi dan pelacakan kendaraan berbasis OpenCV dan Flask.Model ini menunjukkan performa yang sangat baik dalam mendeteksi dan mengklasifikasikan empat jenis kendaraan, yaitu mobil, motor, bus, dan truk.Tingkat akurasi model terbukti tinggi, dengan nilai mAP@0.8%, menunjukkan kemampuan model dalam memberikan prediksi yang akurat dan seimbang.
Penelitian lanjutan dapat difokuskan pada peningkatan akurasi deteksi kendaraan dalam kondisi cuaca buruk seperti hujan atau kabut, dengan memanfaatkan teknik augmentasi data atau model yang lebih robust terhadap variasi lingkungan. Selain itu, eksplorasi penggunaan model yang lebih ringan dan efisien, seperti YOLO-NAS, dapat dilakukan untuk memungkinkan implementasi sistem pada perangkat embedded dengan sumber daya terbatas, sehingga dapat diterapkan secara luas di berbagai lokasi. Terakhir, pengembangan sistem yang mampu memprediksi kepadatan lalu lintas berdasarkan data deteksi kendaraan secara real-time dapat memberikan informasi berharga bagi perencanaan transportasi dan manajemen kemacetan, serta integrasi dengan sistem navigasi untuk memberikan rekomendasi rute yang optimal kepada pengguna jalan. Penelitian-penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam mewujudkan sistem transportasi yang lebih cerdas, efisien, dan berkelanjutan di perkotaan.
- (PDF) Traffic Monitoring System Using Machine Learning And Python OpenCV and YOLOv8. pdf traffic monitoring... doi.org/10.13140/RG.2.2.12182.46408PDF Traffic Monitoring System Using Machine Learning And Python OpenCV and YOLOv8 pdf traffic monitoring doi 10 13140 RG 2 2 12182 46408
- Real-Time Image Processing Using Deep Learning With Opencv And Python | Journal of Pharmaceutical Negative... doi.org/10.47750/pnr.2023.14.03.246Real Time Image Processing Using Deep Learning With Opencv And Python Journal of Pharmaceutical Negative doi 10 47750 pnr 2023 14 03 246
- Computer Vision Application Analysis based on Object Detection | IJSREM. loading article computer vision... doi.org/10.55041/ijsrem19015Computer Vision Application Analysis based on Object Detection IJSREM loading article computer vision doi 10 55041 ijsrem19015
- Desain dan Pengembangan Website untuk Mendeteksi Malware Menggunakan Framework Flask yang Diintegrasikan... openjournal.unpam.ac.id/index.php/JTSI/article/view/42003Desain dan Pengembangan Website untuk Mendeteksi Malware Menggunakan Framework Flask yang Diintegrasikan openjournal unpam ac index php JTSI article view 42003
| File size | 1.75 MB |
| Pages | 11 |
| DMCA | Report |
Related /
UNSURYAUNSURYA Hasil pengujian menunjukkan sistem mampu mendeteksi pelat nomor dengan akurasi 93% dan akurasi OCR 84. 9%, success rate sistem terintegrasi sebesar 92.Hasil pengujian menunjukkan sistem mampu mendeteksi pelat nomor dengan akurasi 93% dan akurasi OCR 84. 9%, success rate sistem terintegrasi sebesar 92.
BSIBSI Dengan integrasi antara ESP32, Firebase, dan aplikasi Android, sistem ini berpotensi digunakan sebagai alat bantu peringatan dini gempa bumi yang dapatDengan integrasi antara ESP32, Firebase, dan aplikasi Android, sistem ini berpotensi digunakan sebagai alat bantu peringatan dini gempa bumi yang dapat
UMIUMI Meskipun sistem efektif dalam mengidentifikasi kategori segar dan busuk, terdapat tantangan dalam membedakan kategori kurang segar karena karakteristikMeskipun sistem efektif dalam mengidentifikasi kategori segar dan busuk, terdapat tantangan dalam membedakan kategori kurang segar karena karakteristik
UNAIRUNAIR Di antara tiga model yang diusulkan, ResNet-50 memiliki akurasi klasifikasi tertinggi. Hal ini kemungkinan disebabkan oleh koneksi skip residual yang membantuDi antara tiga model yang diusulkan, ResNet-50 memiliki akurasi klasifikasi tertinggi. Hal ini kemungkinan disebabkan oleh koneksi skip residual yang membantu
LAKASPIALAKASPIA Kurikulum Islam yang ideal bukan hanya bersifat akademik, tetapi juga holistik—mengintegrasikan aspek kognitif, afektif, dan spiritual. Al-Ghazali memandangKurikulum Islam yang ideal bukan hanya bersifat akademik, tetapi juga holistik—mengintegrasikan aspek kognitif, afektif, dan spiritual. Al-Ghazali memandang
UMKLAUMKLA 976 gambar melalui teknik augmentasi. Proses pelatihan model dilakukan dengan menggunakan optimizer AdamW (lr=0. 001667, momentum=0. 9) dan konfigurasi976 gambar melalui teknik augmentasi. Proses pelatihan model dilakukan dengan menggunakan optimizer AdamW (lr=0. 001667, momentum=0. 9) dan konfigurasi
LLDIKTI10LLDIKTI10 Penelitian ini menerapkan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-19 untuk klasifikasi citra penyakit daun tanaman padi. TujuanPenelitian ini menerapkan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-19 untuk klasifikasi citra penyakit daun tanaman padi. Tujuan
UMAUMA Undang‑Undang Nomor 17 Tahun 2008 tentang Pelayaran mengatur kepelabuhan yang memerlukan regulasi lebih lanjut melalui Peraturan Pemerintah, serta menetapkanUndang‑Undang Nomor 17 Tahun 2008 tentang Pelayaran mengatur kepelabuhan yang memerlukan regulasi lebih lanjut melalui Peraturan Pemerintah, serta menetapkan
Useful /
UMSJUMSJ Penelitian ini membahas efektivitas arbitrase sebagai mekanisme penyelesaian sengketa bisnis di Indonesia dengan fokus pada dua unsur utama, yaitu peranPenelitian ini membahas efektivitas arbitrase sebagai mekanisme penyelesaian sengketa bisnis di Indonesia dengan fokus pada dua unsur utama, yaitu peran
UMKLAUMKLA Dataset tersebut melalui tahap pra-pemrosesan, termasuk penggunaan bank filter Gabor untuk mengidentifikasi fitur wajah utama dan augmentasi geometrikDataset tersebut melalui tahap pra-pemrosesan, termasuk penggunaan bank filter Gabor untuk mengidentifikasi fitur wajah utama dan augmentasi geometrik
UMKLAUMKLA Terdapat tiga langkah sebelumnya dalam merancang tampilan sistem: pengumpulan data (analisis kebutuhan), perancangan website, dan pengujian. Aturan 8 goldenTerdapat tiga langkah sebelumnya dalam merancang tampilan sistem: pengumpulan data (analisis kebutuhan), perancangan website, dan pengujian. Aturan 8 golden
UMKLAUMKLA Selanjutnya, Tesseract OCR Engine digunakan untuk mengubah citra menjadi teks mentah, yang kemudian diurai (parsing) menggunakan Regular Expressions (Regex)Selanjutnya, Tesseract OCR Engine digunakan untuk mengubah citra menjadi teks mentah, yang kemudian diurai (parsing) menggunakan Regular Expressions (Regex)