Penerapan Algoritma Yolo V8 Untuk Pengenalan Pengendara Sepeda Motor Tanpa Helm Dalam Sistem Pemantauan Pelanggaran Lalu Lintas
Abstrak
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
Unduhan
Referensi
'[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.
