Implementasi Framework Mask R-CNN Object Detection API Dalam Mengklasifikasi Jenis Kendaraan Bermotor

Dadang Iskandar Mulyana (Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika (STIKOM CKI))
Apian Candra Aditya (Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika (STIKOM CKI))
Seli Amelia (Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika (STIKOM CKI) Jl. Raden Inten II No.8, RT.5/RW.14, Duren Sawit, Kec. Duren Sawit, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta 13440)
Sony Agustian Syah (Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika (STIKOM CKI))

Jurnal Teknik Elektro dan Komputasi (ELKOM)
Vol 4, No 1 (2022): ELKOM

Jenis kendaraan yang melewati suatu lalu lintas jalan sangat berpengaruh terhadap kepadatan lalu lintas jalan tersebut. Jika jumlah setiap jenis kendaraan yang melewati suatu lalu lintas jalan dapat diketahui, maka strategi lalu lintas yang baik dapat diatur oleh pihak yang berwenang. Dengan memanfaatkan perkembangan teknologi di dalam bidang computer vision dan deep learning, penelitian ini bertujuan untuk mendeteksi dan menghitung objek kendaraan yang melewati suatu lalu lintas jalan berdasarkan klasifikasi jenis kendaraan. Penelitian ini menggunakan Framework Mask R-CNN Object Detection API dan algoritma dari pretrained model object detection YOLO v3 untuk melakukan deteksi dan klasifikasi. Berdasarkan hasil pengujian pada kelima video uji coba, sistem yang dibangun berhasil menghasilkan suatu data yang berisi jumlah setiap jenis kendaraan yang lewat di suatu lintas jalan dengan tingkat akurasi deteksi objek rata-rata adalah 90.8%.