Analisa Deteksi Kendaraan Berdasarkan Jenis Dan Kecepatan Menggunakan Kamera CCTV Berbasis Algoritma Yolo V11 Di Lingkungan Universitas Jember
Tahun 2025 · Penulis: Putra Gama Supriyadi
Faculty of Engineering, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
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.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,837
Tahun 2027 · Penulis: Ilvan Rezky Pradana
Implementasi Sistem Keamanan Otomatis dengan You Only Look Once V8
Peningkatan kasus kriminalitas, khususnya pencurian sepeda motor di kawasan padat penduduk, menuntut adanya sistem keamanan yang lebih proaktif dan efisien. Sistem keamanan konvensional seperti patroli manual dan CCTV memiliki keterbatasan karena sifatnya yang
- Cosine 0,807
Tahun 2026 · Penulis: Ramadan Bayu Laksono
Analisis Peforma Yolo11 Dengan Backbone Resnet18 Pada Deteksi Plat Nomor Kendaraan
Peningkatan jumlah kendaraan bermotor menuntut sistem pemantauan lalu lintas yang mampu bekerja secara otomatis, salah satunya melalui teknologi pengenalan plat nomor kendaraan. Penerapan teknologi ini di lapangan masih menghadapi kendala teknis seperti varias
- Cosine 0,789
Tahun 2026 · Penulis: Muhammad Andi Azriel Akbar
Analisis Perbandingan YOLOv11 dan RT-DETRv2 dalam Deteksi Plat Nomor pada Kondisi Pencahayaan Rendah
Deteksi plat nomor kendaraan merupakan salah satu teknologi yang berperan penting dalam sistem keamanan lalu lintas, pengawasan kendaraan, dan manajemen parkir. Namun, proses deteksi pada kondisi pencahayaan rendah masih menjadi tantangan karena berkurangnya k