PENERAPAN METODE YOLOV7 (YOU ONLY LOOK ONCE V7) UNTUK MENDETEKSI KEPADATAN LALU LINTAS

Muhamad Nizam, Azmi (2023) PENERAPAN METODE YOLOV7 (YOU ONLY LOOK ONCE V7) UNTUK MENDETEKSI KEPADATAN LALU LINTAS. S1 thesis, Universitas Mataram.

	Text Skripsi-Muhamad Nizam Azmi-F1D019067.pdf Restricted to Repository staff only Download (1MB)
Preview	Text Jurnal-Muhamad Nizam Azmi-F1D019067.pdf Download (323kB) | Preview

Abstract

Indonesia menempati urutan ke-46 dalam indeks kemacetan dunia. Berbagai upaya telah dilakukan pemerintah untuk mengatasi masalah tersebut, khususnya di kotakota besar di Indonesia. Masalah tersebut dapat berupa kecelakaan, polusi, dan gas emisi karbon. Terjadinya kecelakaan ini juga mengakibatkan kemacetan dan banyak yang disebabkan karena pelanggaran lalu lintas dan melanggar lampu lalu lintas. Solusi dari kemacetan ini salah satunya dengan menerapkan lampu lalu lintas cerdas atau Smart and Economical Traffic Light (SMILE) dengan pengimplementasian computer vision untuk mengontrol volume kendaraan di tiap persimpangan. Metode YOLOv7 digunakan untuk mendeteksi kendaraan secara real time. Metode ini merupakan salah satu metode yang paling cepat dan akurat dalam melakukan pendeteksian objek bahkan mampu melebihi 2 kali kemampuan algoritma deteksi objek yang lainnya. Studi ini menguji akurasi dan hasil deteksi YOLOv7 dan YOLOv7-tiny pada kondisi pagi, siang, sore, dan malam di simpang 4 Pagesangan menghasilkan perbandingan pada pagi sekitar 49,5%, Siang sekitar 55%, Sore sekitar 38,1% dan Malam sekitar 55,3%. Hasil pengujian menunjukkan bahwa YOLOv7 memberikan persentase akurasi dan hasil deteksi yang lebih tinggi dibandingkan dengan YOLOv7-tiny pada semua kondisi waktu. Kepadatan lalu lintas yang didapatkan pada pagi hari adalah 42%, siang hari 29,3%, sore hari 67%, dan malam hari 41%. Dalam kesimpulannya, metode YOLOv7 dapat diterapkan untuk mendeteksi kepadatan lalu lintas secara real time dan membantu mengatasi masalah kemacetan lalu lintas di kota-kota besar di Indonesia.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Computer Vision, YOLOv7, Realtime, Deteksi Kendaraan, Smart and Economical Traffic Light (SMILE).
Subjects:	T Technology > TF Railroad engineering and operation
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	29 May 2023 08:01
Last Modified:	29 May 2023 08:01
URI:	http://eprints.unram.ac.id/id/eprint/38917

Actions (login required)

View Item