EVALUASI VOLUME KENDARAAN DI JALAN MAGELANG SEMARANG DENGAN MEMANFAATKAN APLIKASI IMAGE PROCESSING

Main Article Content

Julian Aninidto Widiatmoko
Tri Retno Setiyawati
Halim Qista Karima
Novita Dini
Aswa Talita Suwarno Putri
Nila Nurlina

Abstract

Magelang-Semarang Highway Road connects northern and southern Java Island through Magelang City. This is causing high density traffic since not only local vehicles that get pass this highway, but also various long-distance travelers. Consequently, numerous motorcycles, cars, buses, and trucks crowd the road which can increase the probability of accident and congestion. Thus, good understanding of vehicle volume, its distribution through time, and its types are necessary to anticipate the tendencies. This research aims to obtain the information by utilizing YOLOS-based image processing application to detect and count type of vehicle and its passing time from traffic video recording. The extracted data was then processed using statistics to get traffic profile. It was concluded that there was no significant change in traffic volume throughout days in a week, except a huge decline on Sunday. However, there was hourly fluctuations especially on morning and late afternoon. Additionally, proportion of buses and trucks in the traffic were increase on certain hours. Travelers should avoid those hours to minimize accident and congestion risk.   


 Abstrak


Jalan Magelang Semarang menghubungkan Pulau Jawa bagian utara dan selatan melalui Kota Magelang. Akibatnya, kendaraan yang melintas relatif padat, selain dengan tujuan lokal juga dalam rangka perjalanan jarak jauh. Hasilnya, selain sepeda motor dan mobil, bus dan truk banyak melintas sehingga menimbulkan potensi kecelakaan dan kemacetan. Pemahaman yang lebih baik mengenai volume, distribusi waktu, dan jenis kendaraan di daerah ini penting untuk mengantisipasi kecenderungannya. Penelitian ini menggunakan aplikasi image processing berbasis YOLO untuk mendeteksi dan menghitung jenis dan waktu melintas kendaraan dari rekaman video lalu lintas di Jalan Magelang Semarang pada siang hari. Data yang didapatkan kemudian diolah dan dianalisis menggunakan statistika untuk mendapatkan profil lalu lintas sehingga diperoleh informasi waktu-waktu rawan melintas. Hasilnya, didapatkan kesimpulan bahwa tidak ada perubahan volume kendaraan per-hari yang signifikan selama satu minggu, kecuali penurunan yang terjadi pada Hari Minggu. Namun demikian, fluktuasi kepadatan terjadi terutama pada pagi dan sore hari. Selain itu, pemetaan jenis kendaraan menunjukkan terdapat proporsi bus dan truk yang meningkat pada jam-jam tertentu sehingga pengguna jalan perlu menghindarinya untuk meminimalisir potensi kecelakaan dan kemacetan.

Article Details

Section
Articles

References

Abdurrafi, D. A., Taqijjuddin Alawiy, M., & Basuki, B. M. (2023). Deteksi klasifikasi dan menghitung kendaraan berbasis algoritma You Only Look Once (YOLO) menggunakan kamera CCTV. Sci. Electro, 1, 1–9. Available: https://jim.unisma.ac.id/index.php/jte/article/viewFile/21551/16069

Amwin, A. (2021). Deteksi dan klasifikasi kendaraan berbasis algoritma You Only Look Once (YOLO) [Skripsi. Universitas Islam Indonesia Yogyakarta].

Prastika, I. D. G. A., Setiawan, W., & Sudiarta, P. K. (2023). Analisis sistem pengenalan karakter plat kendaraan dari citra kendaraan. Majalah Ilmiah Teknologi Elektro, 15(2), 27–32. https://doi.org/10.24843/MITE.1502.05

Anwariyah, K. (2020). Deteksi objek nomor kendaraan pada citra kendaraan bermotor. JTIM : Jurnal Teknologi Informasi dan Multimedia, 1(4), 311–317. https://doi.org/10.35746/JTIM.V1I4.65

Cahyono, A. P., & Budiyanto, U. (2020). Penghitungan objek berdasarkan berdasarkan jenis kendaraan bermotor pada CCTV lalu lintas berbasis pengolahan citra digital menggunakan metode background subtraction dan blob detection. JTIM : Jurnal Teknologi Informasi dan Multimedia, 2(2), 92–99. https://doi.org/10.35746/JTIM.V2I2.98

Chen, C., Zheng, Z., Xu, T., Guo, S., Feng, S., Yao, W., & Lan, Y. (2023). YOLO-based UAV Technology: A review of the research and its applications. Drones 2023, 7, 190, 7(3), 190. https://doi.org/10.3390/DRONES7030190

Diwan, T., Anirudh, G., & Tembhurne, J. V. (2023). Object detection using YOLO: challenges, architectural successors, datasets and applications. Multimedia Tools and Applications, 82(6), 9243–9275. https://doi.org/10.1007/S11042-022-13644-Y/METRICS

Himilda, R., & Johan, R. A. (2021). Klasifikasi jenis kendaraan menggunakan metode extreme learning machine. JTIM : Jurnal Teknologi Informasi dan Multimedia, 2(4), 237–243. https://doi.org/10.35746/JTIM.V2I4.118

Kariyana, I. M., Pamungkas, T. H., & Anggraini, T. A. (2024). Model pengaruh komposisi jumlah kendaraan terhadap tingkat kecelakaan pada Provinsi Bali. JMTS: Jurnal Mitra Teknik Sipil, 7(1), 165–174. https://doi.org/10.24912/JMTS.V7I1.24960

Safira, E., & Fathoniyy, S. K. (2023). Analisis tingkat kemacetan dan faktor penyebab kemacetan lalu lintas di Jalan Sultan Hamid II Kecamatan Pontianak Selatan. GEOREFERENCE, 1(1), 36–43. https://doi.org/10.26418/GR.V1I1.64495

Khatami, M. S. (2022). Deteksi Kendaraan Menggunakan Algoritma You Only Look Once (Yolo) V3 [Skripsi, Universitas Islam Indonesia, Yogyakarta]

Masdiyasa, I. G. S., Sulianto Bhirawa, & Slamet Winardi. (2019). Identifikasi plat nomor kendaraan bermotor menggunakan Metode multi-step image processing berbasis android. e-NARODROID, 1(5), 17-25.

Muto’in, N. F., & Utami, A. (2022). Analisis tingkat kecelakaan lalu lintas menggunakan metode accident rate dan equivalent accident number (EAN) di Kota Magelang. Jurnal Rekayasa Sipil, 18(1), 60–67. https://doi.org/10.25077/JRS.18.1.60-67.2022

Nugroho, L. A., Latifa, E. A., & Maulani, E. O. (2024). Dampak Jumlah Kendaraan Besar terhadap Kemacetan Lalu Lintas di Jalan Tol. Jurnal Teknik Sipil Cendekia (JTSC), 5(2), 915–928. https://doi.org/10.51988/JTSC.V5I2.154

Omar, W., Oh, Y., Chung, J., & Lee, I. (2021). Aerial dataset integration for vehicle detection based on YOLOv4. Korean Journal of Remote Sensing, 37(4), 747–761. https://doi.org/10.7780/KJRS.2021.37.4.6

Pratomo, A. H., Kaswidjanti, W., & Mu’arifah, S. (2020). Implementasi algoritma region of interest (ROI) untuk meningkatkan performa algoritma deteksi dan klasifikasi kendaraan. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 7(1), 155–162. https://doi.org/ 10.25126/jtiik.202071718

Putra, F. P. (2021). Analisis pengaruh kecepatan dan volume kendaraan terhadap kecelakaan di ruas Jalan Raya Gatot Subroto Kota Tangerang STA 3+000 – STA 9+000 [Disertasi, Universitas Mercu Buana Jakarta].

Riani, P. (2016). Pengolahan citra dengan menggunakan web cam pada kendaraan bergerak di jalan raya. Jurnal Ilmiah Penelitian dan Pembelajaran Informatika, 1(01), 224400. https://doi.org/10.29100/JIPI.V1I01.18

Sasmoko, A. (2019). Pengaruh volume sepeda motor terhadap kemacetan lalu lintas pada ruas jalan pangeran antasari samarinda. Kurva S : Jurnal Keilmuan dan Aplikasi Teknik Sipil, 6(2), 86–99. https://doi.org/10.31293/TEKNIKD.V2I1.4367

Setiawan, S., Sulistyowati, D. N., & Machmud, N. (2023). Implementation of image processing in the recognition of official vehicle license plates. JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer), 9(1), 23–29. https://doi.org/10.33480/JITK.V9I1.4181

Sultana, F., Sufian, A., & Dutta, P. (2020). A review of object detection models based on convolutional neural network. Advances in Intelligent Systems and Computing, 1157, 1–16. https://doi.org/10.1007/978-981-15-4288-6_1

Widiatmoko, J.A., Novichasari, S.I., Kurniawan Y., Setiyawati, T.R., Nurlina, N. (2024). Traffic Monitoring, EC00202493973. Direktorat Jenderal Kekayaan Intelektual (DJKI), Kementerian Hukum dan Hak Asasi Manusia. Indonesia.