Identifikasi Kendaraan Bermotor pada Dashcam Mobil Menggunakan Algoritma YOLO
Abstract Views: 80   PDF Downloads: 43DOI:
https://doi.org/10.56211/helloworld.v2i4.466Keywords:
Deteksi Objek; Dashcam; Tensor Flow; Yolo V5
Abstract
Identifikasi kendaraan bermotor merupakan tugas penting dalam pengembangan teknologi keselamatan jalan raya dan pemantauan lalu lintas. Dalam konteks ini, kamera dashboard (dashcam) pada mobil menjadi platform yang relevan untuk memperoleh data visual yang diperlukan. Penelitian ini bertujuan untuk mengimplementasikan algoritma You Only Look Once (YOLO) untuk mengidentifikasi kendaraan bermotor dalam rekaman video dari dashcam mobil. Metode ini memanfaatkan pendekatan deteksi objek berbasis deep learning yang memungkinkan deteksi objek secara real-time dengan tingkat keakuratan yang tinggi. Pada tahap pertama, dilakukan proses pengumpulan dan preprocessing dataset yang mencakup rekaman video dari dashcam mobil. Setelah itu, dilakukan pelatihan model YOLO menggunakan dataset yang telah disiapkan. Selama pelatihan, dilakukan proses optimisasi parameter untuk meningkatkan kinerja deteksi. Setelah model dilatih, dilakukan evaluasi menggunakan metrik seperti confusion matrix untuk mengevaluasi keakuratan deteksi. Hasil eksperimen menunjukkan bahwa algoritma YOLO berhasil mengidentifikasi kendaraan bermotor dengan tingkat keakuratan yang memuaskan dalam berbagai kondisi pencahayaan dan latar belakang jalan. Meskipun terdapat beberapa kendala seperti keakuratan yang menurun pada kondisi cahaya yang rendah, namun secara keseluruhan, implementasi algoritma YOLO pada dashcam mobil menunjukkan potensi besar untuk digunakan dalam aplikasi pemantauan lalu lintas dan keselamatan jalan raya. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi deteksi objek dalam konteks lalu lintas jalan raya menggunakan data visual dari dashcam mobil.
Downloads
References
Enggarsasi, U., & Sa'diyah, N. K. (2017). Kajian terhadap faktor-faktor penyebab kecelakaan lalu lintas dalam upaya perbaikan pencegahan kecelakaan lalu lintas. Perspektif, 22(3), 238-247.
Hnoohom, N., & Thanapattherakul, T. (2016, November). Image problem classification for dashboard cameras. In 2016 12th International Conference on Signal-Image Technology & Internet-Based Systems (SITIS) (pp. 673-678). IEEE
Putri, S. N., Supardi, J., & Rodiah, D. (2023). Perbaikan Kualitas Pada Citra Gelap Menggunakan Convolutional Neural Network (Cnn) (Doctoral Dissertation, Sriwijaya University).
Haryono, Asep and Bismantoko, Sahid and Putra, Gilang Mantara and Widodo, T. (2019). Accuracy in Object Detection based on Image Processing at the Implementation of Motorbike Parking on The Street. 2019 2nd International Conference on Applied Engineering (ICAE, 1–5. https://doi.org/10.1109/ICAE47758.2019.922181
Adiwibowo, J., Gunadi, K., & Setyati, E. (2020). Deteksi Alat Pelindung Diri Menggunakan Metode YOLO dan Faster R-CNN. Jurnal Infra, 8(2), 106-112.
Irfan, M., Sumbodo, B. A. A., & Candradewi, I. (2017). Sistem Klasifikasi Kendaraan Berbasis Pengolahan Citra Digital dengan Metode Multilayer Perceptron. IJEIS, 7(2), 139-148.
Mulyana, D. I., & Rofik, M. A. (2022). Implementasi Deteksi Real Time Klasifikasi Jenis Kendaraan Di Indonesia Menggunakan Metode YOLOV5. Jurnal Pendidikan Tambusai, 6(3), 13971-13982.
COROVIC,A., ILIĆ, V., ĐURIĆ, S. & MALIŠA, 2018. The Real-Time Detection of Traffic Participants Using YOLO Algorithm. Serbia, s.n
ASSHIDDIQIE, M. A. J., RAHMAT, B. & ANGGRAENY, F. T., 2020. Deteksi Tanaman Tebu pada Lahan Pertanian Menggunakan Metode Convolutional Neural Network. Jurnal Informatika dan Sistem Informasi (JIFoSI), 1(1), pp. 229 -237
Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 779-788).
Putri, N. N. (2017). Aplikasi Pendeteksi Objek Bergerak Pada Image Sequence Dengan Metode Background Substraction. Jurnal Ilmiah Teknologi dan Rekayasa, 21(3).
Witten, I.H & Frank, E. (2005). Data Mining Practical Machine Learning Tools And Teachniques. Second edition. California: Morgan Kaufman.
A. Satria, O. S. Sitompul and H. Mawengkang, "5-Fold Cross Validation on Supporting K-Nearest Neighbour Accuration of Making Consimilar Symptoms Disease Classification," in IEEE, Padang, 2021.
F. Ramadhani, Al-Khowarizmi and I.P. Sari, " Improving the Performance of Naïve Bayes Algorithm by Reducing the Attributes of Dataset Using Gain ratio and Adaboost, "In IEEE, Padang, 2021.
I. P. Sari, I. H. Batubara and Al-Khowarizmi, "Sensitivity of Obtaining Errors in The Combination of Fuzzy and Neural Networks for Conducting Student Assessment on E-Learning," International Journal of Economic, Technology anf Social Sciences (Injects), vol. 2, no. 1, pp. 331 - 338, 2021.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Fanny Ramadhani, Andy Satria, Sri Dewi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskahnya pada Hello World Jurnal Ilmu Komputer menyetujui ketentuan berikut:
Hak cipta atas artikel apapun dalam Hello World Jurnal Ilmu Komputer dipegang penuh oleh penulisnya di bawah lisensi Creative Commons Attribution-ShareAlike 4.0 International License. dengan beberapa ketentuan sebagai berikut:
"Penulis mengakui bahwa Hello World Jurnal Ilmu Komputer berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License / CC BY SA 4.0"
"Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini ke dalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi ke dalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada Hello World Jurnal Ilmu Komputer."
"Pembaca diperbolehkan mengunduh, menggunakan, dan mengadopsi isi artikel selama mengutip artikel dengan menyebutkan judul, penulis, dan nama jurnal ini. Pengutipan tersebut dilakukan demi kemajuan ilmu pengetahuan dan kemanusiaan serta tidak boleh melanggar hukum yang berlaku."
Most read articles by the same author(s)
- Fanny Ramadhani, Andy Satria, Indah Purnama Sari, Implementasi Metode Fuzzy K-Nearest Neighbor dalam Klasifikasi Penyakit Demam Berdarah , Hello World Jurnal Ilmu Komputer: Vol. 2 No. 2 (2023): Edisi Juli
- Indah Purnama Sari, Fanny Ramadhani, Andy Satria, Dicky Apdilah, Implementasi Pengolahan Citra Digital dalam Pengenalan Wajah menggunakan Algoritma PCA dan Viola Jones , Hello World Jurnal Ilmu Komputer: Vol. 2 No. 3 (2023): Edisi Oktober