Sistem Perhitungan Kendaraan Menggunakan Algortima YOLOv5 dan DeepSORT

Abstract

Pencemaran udara menjadi isu serius di kota-kota besar, seperti di kota Bandar Lampung. Hal ini diakibatkan oleh tingginya aktivitas transportasi menggunakan kendaraan bermotor. Data tahun 2021 menunjukkan peningkatan 4,30% jumlah kendaraan bermotor di Indonesia, berdampak pada emisi karbon. Sebagai respons terhadap permasalahan tersebut, Greenmetric Universitas Lampung memiliki program kerja transportasi hijau yang berfokus dalam mengurangi emisi kendaraan bermotor. Untuk mendukung tujuan tersebut dilakukan pemantauan lalu lintas secara otomatis dengan menerapkan bidang Computer Vision, yaitu object tracking. Pembuatan sistem object tracking dalam melakukan pemantauan lalu lintas menggunakan kombinasi algoritma YOLOv5 dan DeepSORT. Metode yang digunakan dalam penelitian ini adalah metode Scrum yang dilakukan sebanyak tiga kali sprint, dan dibagi menjadi tiga tahap yaitu pre-game, game, dan post-game. Hasil dari penelitian ini adalah sebuah sistem object tracking yang berhasil membedakan dan menghitung tiga jenis kendaraan (motor, mobil, dan bis) secara otomatis, dan telah dilakukan pengujian secara realtime dengan nilai rata-rata precision sebesar 99%, recall sebesar 97%, F1 score sebesar 97.2%, accuracy sebesar 96.8%, dan rata-rata ketepatan perhitungan sistem sebesar 97.65%.

Keywords

• computer vision
• deepsort
• emisi karbon
• object tracking
• yolov5