Deteksi Helm Pengendara dan Plat Nomor Kendaraan pada CCTV Lampu Lalu Lnitas Menggunakan Algoritma YOLO
(1)   Indonesia
(2) Tidar University  Indonesia
(3) Tidar University  Indonesia
Corresponding Author
DOI : https://doi.org/10.24036/voteteknika.v12i1.122991
Full Text: Language : id
Abstract
Perlengkapan berlalu lintas merupakan hal yang wajib digunakan pada saat ini. Keselamatan menjadi alasan utama diharuskannya pengendara mengenakan perlengkapan berkendara khususnya helm. Namun masih banyak pengendara sepeda motor yang melanggar peraturan berlalulintas dengan tidak menggunakan helm saat berkendara. Perlu adanya sistem yang dapat mengawasi pengendara yang tidak mengenakan helm saat mengendarai sepeda motor. Hal ini bisa diterapkan menggunakan salah satu algoritma deteksi objek yaitu YOLO yang menggunakan Bahasa pemograman Python. YOLO digunakan sebagai alat yang akan menendeteksi dan mengenali objek seperti pengendara sepeda motor yang tidak menggunakan helm saat berkendara dari CCTV lampu lalulitas. Penelitian ini dilakukan dengan harapan peneliti mengentahui apakah algoritma deteksi objek seperti yolov5 bisa dimanfaaatkan sebagai alat untuk mendeteksi pelanggaran berkandara seperti helm dan menangkap gambar pelanggar apabila kamera diambil dari CCTV lampu lalulintas. Penelitian ini akan akan memiliki 2 tahap penelitian yaitu, tahap pelatihan dataset dan tahap pengujian hasil training. Pada tahap pelatihan berfokus dalam melakukan training custom data untuk algoritma yolo dan tahap pengujian dilakukan untuk menguji apakah algoritma yolo yang telah dilakukan pelatihan sesuai dengan yang di harapkan. Hasil pengujian didapatkan nilai akurasi rata-rata dari semua class objek yang dipakai sebesar 94.52% dan error yang dihasilka oleh aplikasi yang dibuat adalah sebesar 4,66%.
Kata kunci : CCTV, Deteksi objek, helm, Python, YOLOv5.
The use of traffic safety equipment is now mandatory. Safety is the main reason why riders wear safety equipment, especially helmets. However, there are still many motorcyclists who violate traffic regulations by not wearing helmets while riding. Therefore, a system is needed that can monitor riders who do not wear helmets while riding motorcycles. This system can be implemented using one of the object detection algorithms, YOLO, which uses the Python programming language. YOLO can be used as a tool to detect and recognize objects, such as motorcyclists who do not use helmets while driving, through CCTV traffic lights. This research was conducted with the aim to find out whether object detection algorithms, such as YOLOv5, can be utilized as a tool to detect driving violations, such as not wearing a helmet, and capture images of violators through traffic light CCTV cameras. This research consists of 2 stages, namely the dataset training stage and the training result testing stage. The training stage focuses on training data specific to the YOLO algorithm, while the testing stage aims to test whether the YOLO algorithm that has been trained is as expected. The results of testing the application show that the average accuracy value of all object classes used is 94.52%, and the error generated by the application is 4.66%.
Keywords: CCTV, Object detection, helmet, YOLOv5, Python.
References
S. Aulia, P. Maria, and R. Ramiati, “Aplikasi Pendeteksi Plat Nomor Kendaraan Berbasis Raspberry Pi Menggunakan Website Untuk Pelanggaran Lalu Lintas,” Elektron J. Ilm., vol. 11, no. 2, pp. 84–89, 2019.
S. Jupiyandi, F. R. Saniputra, Y. Pratama, M. R. Dharmawan, and I. Cholissodin, “Pengembangan Deteksi Citra Mobil untuk Mengetahui Jumlah Tempat Parkir Menggunakan CUDA dan Modified YOLO,” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, p. 413, 2019.
F. Rachmawati and D. Widhyaestoeti, “Deteksi Jumlah Kendaraan di Jalur SSA Kota Bogor Menggunakan Algoritma Deep Learning YOLO,” Pros. LPPM UIKA Bogor, pp. 360–370, 2020.
Y. Zhao and S. Geng, “Face occlusion detection algorithm based on YOLOv5,” J. Phys. Conf. Ser., vol. 2031, no. 1, 2021.
T. A. A. H. Kusuma, K. Usman, and S. Saidah, “People Counting for Public Transportations Using You Only Look Once Method,” J. Tek. Inform., vol. 2, no. 1, pp. 57–66, 2021.
A. S., J. Yankey, and E. O., “An Automatic Number Plate Recognition System using OpenCV and Tesseract OCR Engine,” Int. J. Comput. Appl., vol. 180, no. 43, pp. 1–5, 2018.
D. Aryanto and V. Augusman, “Penerapan Machine Learning Untuk Mengategorikan Sampah Plastik Rumah Tangga,” J. TIMES, vol. 10, no. 1, pp. 39–43, 2021.
N. D. Miranda, L. Novamizanti, and S. Rizal, “Convolutional Neural Network Pada Klasifikasi Sidik Jari Menggunakan Resnet-50,” J. Tek. Inform., vol. 1, no. 2, pp. 61–68, 2020.
S. Kuan-Hung, C. Ching-Te, and P. Yen-Yu, “REAL-TIME OBJECT DETECTION VIA PRUNING AND A CONCATENATED MULTI-FEATURE ASSISTED REGION PROPOSAL NETWORK Kuan-Hung Shih , Ching-Te Chiu , Yen-Yu Pu Department of Computer Science , National Tsing Hua University , Hsinchu , Taiwan,” pp. 1398–1402, 2019.
Tirtana, E., Gunadi, K., & Sugiarto, I. (2021). Penerapan Metode YOLO dan Tesseract-OCR untuk Pendataan Plat Nomor Kendaraan Bermotor Umum di Indonesia Menggunakan Raspberry Pi. Jurnal Infra, 9(2), 241-247.
Article Metrics
Abstract Views : 542 timesPDF (Bahasa Indonesia) Downloaded : 239 times
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.