YUDHISTIRA, Muhammad Ahsan (2026) Deteksi Dan Penghitungan Jumlah Kendaraan Di Jalan Tol Menggunakan YOLO12. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (71kB)
	Text 4. HALAMAN PENGESAHAN.pdf Download (170kB)
	Text 7. ABSTRAK.pdf Download (159kB)
	Text 8. ABSTRACT.pdf Download (103kB)
	Text 9. DAFTAR ISI.pdf Download (245kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (240kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (175kB)

Abstract

Peningkatan volume kendaraan di ruas jalan tol memerlukan sistem pemantauan lalu lintas
yang mampu mendeteksi dan menghitung kendaraan secara otomatis, akurat, dan efisien
guna mendukung pengambilan keputusan berbasis data. Metode penghitungan manual
memiliki keterbatasan dari sisi waktu dan konsistensi, sehingga diperlukan pendekatan
berbasis computer vision dan deep learning. Penelitian ini bertujuan untuk
mengimplementasikan model YOLO12 dalam sistem deteksi dan penghitungan kendaraan
roda empat atau lebih pada rekaman video jalan tol serta mengevaluasi performanya dari
aspek akurasi dan efisiensi komputasi. Sistem dikembangkan menggunakan lima varian
YOLO12 (n, s, m, l, dan x) yang dilatih pada dataset hasil ekstraksi video dengan dua
skenario, yaitu tanpa augmentasi dan dengan augmentasi data. Proses penghitungan
kendaraan dilakukan dengan memanfaatkan algoritma pelacakan BoT-SORT, dimana setiap
kendaraan dihitung satu kali ketika melintasi garis virtual pada area pengamatan. Evaluasi
deteksi dilakukan dengan menggunakan metrik precision, recall, mAP@0.5, dan
mAP@0.5:0.95, sedangkan evaluasi penghitungan menggunakan Mean Absolute Error
(MAE) dengan membandingkan hasil sistem terhadap ground truth hasil penghitungan
manual. Hasil penelitian menunjukkan bahwa seluruh varian YOLO12 mampu mencapai
nilai mAP@0.5 di atas 0,98 dan mAP@0.5:0.95 di atas 0,94. Pada pengujian penghitungan
kendaraan terhadap 136 kendaraan, sistem menghasilkan nilai MAE antara 6 hingga 7
kendaraan. Varian YOLO12n menunjukkan kinerja paling seimbang dengan MAE sebesar
6 dan kecepatan pemrosesan tertinggi sebesar 11,48 FPS pada perangkat GPU kelas
menengah.
Kata kunci : YOLO12, deteksi kendaraan, penghitungan kendaraan, BoT-SORT

Actions (login required)

View Item