Perancangan Kontrol Adaptif Kepadatan Arus Lalu Lintas dengan Metode Convolutional Neural Network

Abstract

Kemacetan lalu lintas merupakan salah satu permasalahan dan tantangan yang memerlukan solusi berbasis teknologi cerdas. Perancangan ini membentuk sistem kontrol adaptif kepadatan arus lalu lintas menggunakan metode Convolutional Neural Network (CNN) dan pendekatan algoritme YOLOv8. Sistem ini mengintegrasikan teknologi computer vision dan deep learning untuk mendeteksi, menghitung, dan mengklasifikasikan kendaraan secara real-time, berbasis data citra digital kamera CCTV. Perancangan dilakukan dengan data input salah satu pertigaan Kota Malang pada dua waktu dan kondisi yang berbeda. Perhitungan matematis dan training data juga dilakukan menggunakan software komputasi MATLAB. Pada hasil perancangan, didapatkan nilai akurasi pada rentang 30 – 45%. Dengan sekuensial pertama, prioritas lalu lintas jalur 3, jalur 2, lalu jalur 1. Kemudian pada sekuensial kedua, prioritas lalu lintas jalur 3, jalur 1, dan jalur 2. Meskipun nilai akurasi terbatas, perancangan ini berpotensi bahwa teknologi deep learning dapat mengoptimalkan manajemen lalu lintas. Dengan faktor yang berpengaruh seperti kualitas data input, pemrograman sistem, kondisi cuaca, dan sudut pembacaan kamera.