<![CDATA[Penelitian ini berangkat dari kebutuhan informasi okupansi parkir yang andal dan berbiaya implementasi rendah di lingkungan kampus, di mana sistem berbasis kamera kerap terkendala pencahayaan, sudut pandang, dan occlusion, karenanya, tujuan penelitian ini adalah mengembangkan serta mengevaluasi sistem deteksi okupansi per petak parkir di Wisma Dosen Universitas Nurul Jadid dengan memadukan line detection untuk pemetaan slot dan YOLOv8 sebagai pendeteksi kendaraan, sehingga alur metode dan hasil saling terhubung secara operasional. Dataset berupa rekaman CCTV 720p/25 fps dikumpulkan pada enam tanggal di Juli 2025 (pagi–siang–sore), preprocessing meliputi pemangkasan segmen relevan, normalisasi resolusi, dan penetapan ROI; marka diekstraksi melalui tepi Hough untuk membentuk poligon slot, YOLOv8s (bobot COCO) melakukan inferensi per frame; status slot ditetapkan dari irisan bounding box–poligon berbasis intersection-over-area dan posisi pusat massa, dengan kinerja diukur menggunakan akurasi terhadap ground-truth beranotasi. Hasilnya menunjukkan akurasi puncak 0,87 pada siang hari (6 Juli 2024) dan konsisten >0,50 pada seluruh skenario uji, dengan kecenderungan akurasi lebih baik pada siang dibanding pagi/sore; visualisasi real time menampilkan bounding box kendaraan dan status slot yang siap untuk pemantauan operasional. Disimpulkan bahwa integrasi computer vision berbasis line detection dan YOLOv8 efektif sebagai prototipe smart parking berbasis CCTV, dengan peluang peningkatan melalui perluasan data multi-hari/lokasi, fine-tuning domain lokal, penguatan image enhancement pada low-light, dan integrasi pelacakan objek untuk temporal smoothing.]]>
Copyrights © 2025
