Pengembangan Sistem Monitoring Kepadatan lalu Lintas Berbasis CCTV Real-Time Menggunakan YOLOv8

Claudia Chuardi, Valen (2026) Pengembangan Sistem Monitoring Kepadatan lalu Lintas Berbasis CCTV Real-Time Menggunakan YOLOv8. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (501kB)
	PDF BAB_I.pdf Download (289kB)
	PDF BAB_II.pdf Download (639kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (346kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (225kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (244kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (407kB)
	Archive (ZIP) 00000071430_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Kemacetan lalu lintas pada jalan tol menjadi salah satu permasalahan yang mempengaruhi efisiensi perjalanan dan manajemen transportasi. Proses monitoring lalu lintas umumnya masih dilakukan secara manual melalui pengamatan CCTV oleh operator sehingga kurang efisien ketika jumlah CCTV yang digunakan cukup banyak. Selain itu, perubahan kondisi lalu lintas yang terjadi secara dinamis menyebabkan proses analisis kepadatan kendaraan menjadi sulit dilakukan secara cepat dan akurat. Oleh karena itu, diperlukan sistem monitoring lalu lintas berbasis CCTV yang mampu melakukan deteksi kendaraan secara otomatis dan real-time. Penelitian ini bertujuan untuk mengembangkan sistem monitoring lalu lintas berbasis CCTV menggunakan algoritma YOLOv8m yang diintegrasikan dengan dashboard berbasis web menggunakan Streamlit. Penelitian dilakukan dengan memanfaatkan metode computer vision dan deep learning untuk mendeteksi kendaraan seperti mobil, bus, dan truk pada video streaming CCTV jalan tol. Proses penelitian mengikuti framework CRISP- DM yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Performa model YOLOv8m dibandingkan dengan YOLOv5m dan YOLO11m menggunakan metrik Precision, Recall, mAP@50, dan mAP@50-95. Hasil penelitian menunjukkan bahwa model YOLOv8m memberikan performa terbaik dibandingkan model lainnya dengan nilai Precision sebesar 0,864, Recall sebesar 0,784, mAP@50 sebesar 0,771, dan mAP@50-95 sebesar 0,546. Model tersebut kemudian diimplementasikan pada sistem monitoring berbasis web yang mampu mendeteksi kendaraan, menghitung jumlah kendaraan, serta menampilkan kondisi lalu lintas secara real-time berdasarkan hasil deteksi kendaraan pada video CCTV jalan tol. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan dapat mendukung proses monitoring lalu lintas secara lebih otomatis, cepat, dan efisien dibandingkan pemantauan CCTV secara manual.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Claudia Chuardi, Valen (00000071430)
Contributors:	Natalia, Friska
Keywords:	CCTV, Computer vision, Monitoring Lalu Lintas, Object detection, YOLOv8
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	27 Jul 2026 08:02
URI:	https://kc.umn.ac.id/id/eprint/48222

Actions (login required)

View Item