Pengembangan Model Klasifikasi Kendaraan Keluar Masuk Area Parkir Dengan Algoritma YOLOv8

Abstract

Peningkatan laju pertumbuhan mahasiswa baru menimbulkan tantangan serius terhadap infrastruktur parkir di Universitas Muhammadiyah Kalimantan Timur (UMKT). Data terkini menunjukkan adanya peningkatan signifikan sekitar 10% dari tahun sebelumnya, mencapai 2.598 mahasiswa baru pada tahun 2022. Ruang lingkup penelitian ini adalah melakukan proses klasifikasi kendaraan tetapi tidak melakukan tracking kendaraan, data yang digunakan adalah data dari perekaman video yang dilakukan pada simpang tanjakan menuju area parkir kampus bagian atas di siang hari, serta objek yang dideteksi adalah motor, mobil dan manusia, sedangkan yang dihitung keluar masuknya adalah mobil dan motor. Tujuan penelitian ini adalah mengimplementasikan algoritma YOLOv8 agar dapat mendeteksi serta mengklasifikasikan kendaraan keluar masuk area parkir serta untuk mengetahui bagaimana proses deteksi dapat diterapkan agar dapat akurat untuk mendeteksi kendaraan yang keluar masuk area parkir. Metode penelitian melibatkan pengumpulan data dan penerapan algoritma YOLOv8 (You Only Look Once) untuk training dan validasi model pada platform Google Colab yang mendukung GPU untuk mempercepat komputasi dan memungkinkan pengolahan data dalam skala besar. Hasil dari penelitian ini adalah model klasifikasi yang dapat mendeteksi kendaraan keluar masuk area parkir UMKT dengan memiliki nilai mAP50 sebesar 89,8% dan nilai presisi sebesar 86,5%. Penelitian selanjutnya diharapkan dapat mengembangkan model dengan tingkat akurasi yang lebih tinggi dengan mengintegrasikan CCTV sebagai sumber video secara real-time.