<![CDATA[Pertumbuhan kendaraan di wilayah perkotaan menimbulkan permasalahan keterbatasan lahan parkir dan waktu pencarian tempat parkir yang lama. Penelitian ini bertujuan untuk merancang dan menerapkan sistem yang dapat secara otomatis mendeteksi dan memantau ketersediaan lahan parkir dengan memanfaatkan algoritma YOLOv5 serta citra yang diambil dari kamera drone. Metode yang digunakan mencakup akuisisi data citra melalui rekaman drone dari dua sudut pandang berbeda (atas dan samping), pelabelan data, pelatihan model deteksi objek, serta klasifikasi status slot parkir (kosong atau terisi). Evaluasi sistem dilakukan dengan mengukur precision, recall, accuracy, dan mAP@0.5. Hasil pengujian menunjukkan bahwa sudut pandang memengaruhi akurasi deteksi: pada sudut pandang samping, sistem memperoleh precision 100%, recall 75,86%, dan mAP@0.5 sebesar 75,86%, sedangkan pada sudut atas recall dan mAP@0.5 turun menjadi 35,29% dan 35,00%. Visualisasi Confusion Matrix dan Precision-Recall Curve mendukung hasil ini. Sistem yang dibangun terbukti mampu mendeteksi dan memantau ketersediaan lahan parkir secara real-time dengan visualisasi pada dashboard digital. Pemanfaatan kamera drone memberikan kemampuan untuk menjangkau area yang lebih luas dan fleksibel dibandingkan dengan penggunaan kamera statis. Dengan demikian, sistem ini memiliki potensi untuk menjadi solusi praktis dalam pengembangan smart parking berbasis deep learning di ruang publik. Kata Kunci: YOLOv5, deteksi kendaraan, smart parking, kamera drone, deep learning.]]>
