Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Rahmat Nanda Eka Saputra
Universitas Nusantara PGRI Kediri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Kemacetan Lalu Lintas Menggunakan Data Citra CCTV Dan NLP Media Sosial Rahmat Nanda Eka Saputra; Risa Helilintar; Rony Heri Irawan
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/8x4pxm28

Abstract

Kemacetan lalu lintas merupakan salah satu permasalahan utama di perkotaan yang dapat menyebabkan kerugian waktu, peningkatan konsumsi bahan bakar, dan menurunkan efisiensi mobilitas masyarakat. Penelitian ini bertujuan untuk mengembangkan sistem prediksi kemacetan lalu lintas menggunakan data citra CCTV dan media sosial berbasis deep learning. Metode yang digunakan adalah algoritma YOLOv8 untuk mendeteksi dan menghitung kendaraan secara real-time dari video CCTV, serta metode Natural Language Processing (NLP) untuk menganalisis informasi kondisi lalu lintas dari media sosial. Tahapan penelitian meliputi pengumpulan data, preprocessing, pelatihan model, dan evaluasi sistem. Evaluasi model dilakukan menggunakan metrik precision, recall, F1-score, dan mean Average Precision (mAP) untuk mengukur performa deteksi kendaraan dan klasifikasi informasi lalu lintas. Hasil penelitian menunjukkan bahwa integrasi data visual dan tekstual mampu memberikan informasi kondisi lalu lintas yang lebih lengkap, cepat, dan akurat dibandingkan penggunaan satu sumber data saja. Dengan demikian, sistem yang dikembangkan berpotensi mendukung implementasi Intelligent Transportation System dalam pemantauan dan prediksi kemacetan lalu lintas secara real-time.
Co-Authors Risa Helilintar