Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science
Stevanus Januar Latuluma
Universitas Kristen Satya Wacana
Computer Science & IT

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

Found 1 Documents
Search

 1 
DETEKSI JUMLAH KENDARAAN YANG MASUK DAN KELUAR JALAN TOL MENGGUNAKAN YOLOv5 DAN DEEP SORT Stevanus Januar Latuluma; Magdalena A. Ineke Pakereng
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 4 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/fetaqm71

Abstract

Perkembangan teknologi computer vision memungkinkan proses pemantauan lalu lintas dilakukan secara ototmatis melalui deteksi, pelacakan, dan perhitungan kendaraan. Penelitian ini bertujuan untuk membangun sistem deteksi dan pelacakan kendaraan menggunakan algortima YOLOv5 dan Deep SORT pada video lalu lintas jalan tol. Dataset yang digunakan diperoleh dari proses pengambilan gambar dan video secara mandiri, kemudian dilakukan anotasi menggunakan Roboflow dengan tiga kelas kendaraan yaitu car, bus, truck. Dataset terdiri dari 326 objek kendaraan yaitu meliputi 242 mobil, 70 truk, dan 14 bis. Model YOLOv5s dilatih menggunakan 100 epoch dengan ukuran citra 640x640 piksel dan batch size 16. Hasil pengujian menunjukan bahwa model memperoleh nilai precision sebesar 94,7%, recall sebesar 92,6% mAP@0.5 sebesar 98,1% dan mAP@0.5:0.95 sebesar 66,9%. Selanjutnya, hasil deteksi diintegrasikan dengan algoritma Deep SORT untuk memberikan identitas unik pada setiap kendaraan sehingga pergerakannya dapat dilacak secara konsisten antar frame. Pengujian dilakukan menggunakan video lalu lintas berdurasi 3 menit 38 detik. Hasil penghitungan menunjukan terdapat 16 mobil masuk dan 32 mobil keluar, 2 bus masuk tanpa kendaraan bus keluar, serta 7 truk keluar tanpa ditemukan truk yang masuk. Berdasarkan hasil tersebut, kombinasi YOLOv5 dan Deep SORT mampu melakukan deteksi, pelacakan, serta penghitungan kendaraan secara otomatis dengan hasil yang baik pada kondisi lalu lintas yang diamati. Kata Kunci : YOLOv5, Deep SORT, deteksi kendaraan, pelacakan objek, counting line, jalan tol.
Co-Authors Magdalena Ariance Ineke Pakereng