Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ticom: Technology of Information and Communication
Mohamad Yanuar Wardinnansah
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Sistem Pendeteksi Tingkat Kepadatan Lalu Lintas Menggunakan Metode Background Subtraction dan Frame Differencing Mohamad Yanuar Wardinnansah; Reva Ragam Santika
Jurnal Ticom: Technology of Information and Communication Vol 13 No 1 (2024): Jurnal Ticom-September 2024
Publisher : Asosiasi Pendidikan Tinggi Informatika dan Komputer Provinsi DKI Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70309/ticom.v13i1.138

Abstract

Kepadatan lalu lintas adalah salah satu penyebab utama terjadinya kemacetan. Dalam upaya untuk mengatasi permasalahan ini, teknologi dapat dimanfaatkan untuk memantau kondisi lalu lintas dengan lebih mudah dan akurat. Apabila masalah ini tidak segera diatasi, kemungkinan besar kemacetan terus terjadi dan meluas hingga ke berbagai tempat. Sehingga mengganggu aktivitas sehari-hari serta menyebabkan masalah yang lain seperti peningkatan polusi udara yang berpotensi membahayakan kesehatan masyarakat. Pada penelitian ini, dikembangkan purwarupa sistem untuk mendeteksi tingkat kepadatan lalu lintas berdasarkan persentase kapasitas jalan yang digunakan. Metode yang digunakan dalam penelitian ini adalah background subtraction dan frame differencing yang dikembangkan dengan software Visual Studio Code dan library OpenCV. Kedua metode ini diterapkan untuk menghitung persentase kapasitas jalan dengan membandingkan luas area kendaraan dengan luas area jalan. Proses pengujian dilakukan menggunakan beberapa dataset video yang merepresentasikan berbagai kondisi lalu lintas. Sistem yang dibuat mampu mendeteksi tingkat kepadatan lalu lintas dengan tingkat akurasi keseluruhan sebesar 90,32%. Akurasi terendah terdapat pada dataset video VID_20240522_Sore_2 yaitu sebesar 84,62%, sedangkan akurasi tertinggi dicapai pada dataset video VID_20240522_Sore_1 yaitu sebesar 92,05%. Hasil penelitian menunjukkan bahwa metode yang digunakan efektif dalam mendeteksi kepadatan lalu lintas. Namun, aplikasi ini memiliki keterbatasan karena belum mampu membedakan jenis kendaraan yang ada di jalan, sehingga perlu pengembangan lebih lanjut untuk meningkatkan kemampuan klasifikasi kendaraan
Co-Authors Reva Ragam Santika