<![CDATA[Kecelakaan lalu lintas masih menjadi penyebab utama kerugian jiwa dan ekonomi di Indonesia, sementara pemantauan konvensional CCTV belum mampu memberikan peringatan cepat kepada petugas. Penelitian ini bertujuan merancang sistem deteksi kecelakaan otomatis berbasis algoritma YOLOv11 yang terintegrasi dengan notifikasi Telegram untuk mempercepat respons darurat. Metodologi mengikuti model waterfall, mulai dari pengumpulan video kecelakaan publik, ekstraksi 722 frame, pelabelan pada Roboflow, augmentasi hingga 1523 citra, pelatihan model 50 epoch pada resolusi 640 × 640, serta pengujian real-time pada tiga skenario video. Hasil pelatihan menunjukkan mAP50 0,90 dan mAP50-95 0,643. Uji validasi menghasilkan akurasi klasifikasi 91,4% dengan waktu inferensi 84,2–157,4 ms per frame dan keberhasilan pengiriman notifikasi 100%. Sistem mampu membedakan situasi normal dan kecelakaan, serta mengirim tangkapan layar, koordinat, dan waktu secara real-time. YOLOv11 efektif mendeteksi kecelakaan pada CCTV dan mengirim notifikasi secara cepat, berpotensi meningkatkan efisiensi penanganan insiden di lapangan. Keterbatasan utama terletak pada ukuran dan keragaman dataset, perluasan data dan eksplorasi transfer learning direkomendasikan agar performa tetap stabil pada lingkungan nyata yang lebih heterogen.]]>
Copyrights © 2026
