Implementasi YOLOv8 dan ByteTrack Untuk Deteksi dan Penghitungan Kendaraan Pada Sistem Pengawasan Lalu Lintas Kota Semarang

ADIWARGA, Reswana (2026) Implementasi YOLOv8 dan ByteTrack Untuk Deteksi dan Penghitungan Kendaraan Pada Sistem Pengawasan Lalu Lintas Kota Semarang. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Other (FULL TEXT) Bebas Berkas FSM.rar Restricted to Repository staff only Download (26MB) \| Request a copy
	Text 1. COVER.pdf Download (82kB)
	Text 4. HALAMAN PENGESAHAN.pdf Download (72kB)
	Text 5. KATA PENGANTAR.pdf Download (199kB)
	Text 6.. ABSTRAK.pdf Download (182kB)
	Text 7. ABSTRACT.pdf Download (119kB)
	Text 8. Daftar Isi.pdf Download (224kB)
	Text 12. BAB I.pdf Download (1MB)
	Text 17. Daftar Pustaka.pdf Download (1MB)

Abstract

Pertumbuhan volume kendaraan di Kota Semarang menghadirkan tantangan dalam
manajemen lalu lintas, terutama keterbatasan sistem pengawasan manual yang tidak
mampu menyajikan data kuantitatif secara real-time. Penelitian ini
mengimplementasikan model deteksi objek YOLOv8 yang dilatih menggunakan teknik
transfer learning pada custom dataset yang diekstraksi langsung dari rekaman CCTV
Adaptive Traffic Control System (ATCS) Kota Semarang, kemudian diintegrasikan
dengan algoritma pelacakan ByteTrack dan metode virtual line crossing untuk
menghitung volume kendaraan secara otomatis. Dataset yang dibangun terdiri dari
2.075 citra dengan total 30.879 bounding box yang mencakup dua kelas kendaraan, yaitu
sepeda motor dan mobil. Evaluasi model deteksi menunjukkan performa yang sangat
baik dengan nilai Precision 0,9507, Recall 0,9367, dan mAP@0,5 sebesar 0,9764.
Pengujian sistem secara keseluruhan dilakukan pada empat skenario rekaman video
CCTV yang merepresentasikan variasi kondisi kepadatan lalu lintas dan pencahayaan,
menghasilkan akurasi penghitungan antara 86,86% hingga 100%. Hasil terbaik dicapai
pada kondisi lalu lintas sepi dengan pencahayaan cukup, sementara kepadatan lalu lintas
dan kompleksitas geometri persimpangan teridentifikasi sebagai faktor tantangan yang
lebih dominan dibandingkan kondisi pencahayaan. Hasil penelitian ini menunjukkan
bahwa arsitektur berbasis open-source yang dilatih pada data lokal mampu
menghasilkan akurasi yang tinggi, sehingga dapat menjadi alternatif transparan terhadap
sistem Edge AI bawaan vendor kamera komersial.

(NO. KETERSEDIAAN : 1695/F/2026)

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Informatics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	23 Jul 2026 11:12
Last Modified:	23 Jul 2026 11:12
URI:	https://eprints2.undip.ac.id/id/eprint/57583

Actions (login required)

View Item

Search for collections on Undip Repository