Penerapan Algoritma Yolo V8 Untuk Pengenalan Pengendara Sepeda Motor Tanpa Helm Dalam Sistem Pemantauan Pelanggaran Lalu Lintas
Abstract
Abstrak — Penggunaan teknologi kecerdasan buatan (AI) telah menjadi relevan dalam berbagai sektor, termasuk
penegakan hukum lalu lintas. Berdasarkan Undang-Undang Nomor. 22 Tahun 2009 tentang Lalu Lintas dan Angkutan
Jalan di Indonesia, Pasal 106 ayat (8) [1] memerintahkan setiap pengendara dan penumpang sepeda motor untuk
memakai helm yang memenuhi Standar Nasional Indonesia (SNI) saat melakukan perjalanan. Dalam konteks ini, sistem
e-tilang telah diterapkan di banyak kota di Indonesia. Penelitian sebelumnya telah menunjukkan bahwa
penggunaan YOLO V8 dapat meningkatkan tingkat akurasi deteksi plat nomor kendaraan dengan menggunakan
kekuatan komputasi yang lebih sedikit dibandingkan dengan versi sebelumnya. Metodologi CRISP DM digunakan dalam
penelitian ini, yang menghasilkan tingkat akurasi yang untuk pendeteksian pengguna sepeda motor yang
menggunakan helm sebesar 86% untuk deteksi pengguna motor yang tidak menggunakan helm sebesar 87% untuk
pengguna kendaraan roda dua yang menggunakan helm. Selain itu, framework Flask digunakan untuk
mengembangkan website yang memungkinkan deteksi
pelanggaran lalu lintas tidak menggunakan helm melalui akses online.
Kata kunci — YOLOV8, E-tilang, AI, deteksi helm, CRISP DM
References
'[1] Pemerintah, Peraturan, Peraturan Pemerintah tentang Lalu Lintas dan Angkutan Jalan (PP Nomor 22 Pasal
Ayat 8 Tahun 2009).
'[2] Peraturan Pemerintah, Peraturan Pemerintah tentang Lalu Lintas dan Angkutan Jalan (PP Nomor 22 Pasal 287 Ayat 8 Tahun 2009).
'[3] P. B. Polri. [Online]. Available: https://pusiknas.polri.go.id/detail_artikel/_pelanggar_ lalu_lintas_tak_lagi_ditindak_secara_manual#:~:text
=Pengendara%20sepeda%20motor%20melakukan%2 0pelanggaran,wilayah%20hukum%20Polda%20Metro%20Jaya. [Accessed 16 Agustus 2024].
'[4] susi, "APA ITU TILANG ELEKTRONIK ? BAGAIMANA CARA KERJA ETLE ?," 20 Mei
[Online]. Available: https://pid.kepri.polri.go.id/48411/. [Accessed 28
November 2023].
'[5] J. Terven, D.-M. Córdova-Esparza and J.-A. RomeroGonzález, "A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to
YOLOv8 and YOLO-NAS," Machine Learning and
Knowledge Extraction, vol. 5, no. 4, p. 1680, 2023.
'[6] C. Shorten and T. Khoshgoftaar, "A survey on image
data augmentation for Deep Learning," Journal of Big
Data, vol. 6, no. 2, p. 2, 29.
'[7] A. W. Suryanto and A. R. Kardian, "Deteksi
Pelanggaran lalu lintas Tidak Menggunakan helm
Dengan Yolo V4 pada sistem etle," Jurnal Teknik
Komputer, vol. 9, no. 2, p. 129, 2023.
'[8] H. Fakhrurroja, D. Pramesti, A. Rofi Hidayatullah, A. Arif Fashihullisan, H. Bangkit and D. Syamsi,
"Automated License Plate Detection and Recognition
using YOLOv8 and OCR With Tello Drone Camera,"
International Conference on Computer, Control, Informatics and its Applications (IC3INA), 2023.
'[9] D. Ghimire, "Comparative study on Python web frameworks: Flask and Django," Metropolia
University of Applied Sciences Theses, p. 9, 2020.
'[10] F. M. Plumed, ""CRISP-DM Twenty Years Later: From Data Mining Processes to Data Science Trajectories," IEEE Transactions on Knowledge and
Data Engineering, vol. 33, no. 8, pp. 3048-3061,2021.
