<![CDATA[Abstrak. Peningkatan volume lalu lintas di kota-kota besar, khususnya di Indonesia, telah menyebabkan masalah seperti kemacetan, kecelakaan, dan polusi. Salah satu tantangan utama adalah deteksi otomatis dan klasifikasi jenis kendaraan dalam sistem pemantauan lalu lintas. Sistem pemantauan yang efektif tidak hanya memonitor jumlah kendaraan tetapi juga secara akurat mengidentifikasi jenis kendaraan dalam kondisi lalu lintas yang dinamis. Penelitian ini bertujuan untuk mengoptimalkan algoritma Random Forest untuk mendeteksi jenis kendaraan dengan akurasi yang tinggi pada sistem pemantauan lalu lintas berbasis citra. Metode penelitian meliputi pengumpulan data citra kendaraan dari kamera pengawas, pra-pemrosesan citra, ekstraksi fitur, penerapan algoritma Random Forest, dan evaluasi kinerja model dengan menggunakan metrik seperti akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest dapat mengklasifikasikan jenis kendaraan dengan akurasi sebesar 92%, dengan F1-score yang baik pada setiap kategori kendaraan, yaitu mobil (0.91), motor (0.94), truk (0.89), dan bus (0.93). Pengujian hyperparameter menunjukkan bahwa jumlah pohon yang lebih banyak dan kedalaman pohon yang lebih besar meningkatkan kinerja model. Namun, tantangan yang berkaitan dengan kondisi cuaca dan kualitas citra tetap menjadi perhatian. Penelitian ini menyimpulkan bahwa algoritma Random Forest memiliki potensi besar untuk diaplikasikan dalam sistem pemantauan lalu lintas untuk meningkatkan efisiensi dan akurasi deteksi kendaraan secara real-time.]]>
Copyrights © 2025
