SIMULASI DETEKSI DAN HITUNG JUMLAH KENDARAAN MENGGUNAKAN YOLOV4 PADA CCTV PERSIMPANGAN JALAN RAYA

Abstract

Kendaraan merupakan sarana yang memungkinkan manusia untuk melakukan perjalanan atau berpindah dari satu tempat ke tempat lain, baik dalam jarak dekat maupun jarak jauh. Berbagai jenis kendaraan digunakan oleh orang, seperti sepeda motor, mobil empat roda, truk, dan bus. Deteksi kendaraan merupakan salah satu tugas untuk merekam aktifitas kendaraan pada jalan raya. Saat ini, penggunaan algoritma pembelajaran mendalam dengan jaringan saraf konvolusi (Convolutional Neural Network/CNN) memiliki dampak yang signifikan dalam kinerja deteksi objek. Sistem deteksi objek YOLO (You Only Look Once) merupakan salah satu yang terbaik saat ini dalam mendeteksi objek secara real-time dibandingkan dengan sistem lainnya. Salah satu tantangan utama dalam deteksi objek real-time adalah mencapai kecepatan tinggi tanpa mengorbankan akurasi. Untuk meningkatkan kecepatan, biasanya dilakukan pengurangan resolusi input ke model, namun hal ini dapat mengurangi akurasi karena beberapa fitur objek dapat hilang. Model yang digunakan dalam deteksi objek ini adalah versi keempat dari YOLO, yang dilatih menggunakan dataset yang disusun secara khusus, sehingga menghasilkan performa deteksi dengan tingkat keakuratan yang tinggi dan dapat berjalan secara real-time dalam mendeteksi kendaraan.Hasil tingkat akurasinya adalah  94,3% untuk video siang, 53,3% untuk video malam,hasil dari perhitungan confusion matrix 100% untuk video siang,video malam 93,7%.