Rizal, Muhamad Helmi Khoirur (2025) SISTEM DETEKSI KEMACETAN MENGGUNAKAN METODE FASTER R-CNN BERDASARKAN DATA CCTV. Undergraduate thesis, Universitas Nusantara PGRI Kediri.
![]() |
Text (Full text)
RAMA_55201_2113020046.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (7MB) | Request a copy |
![]() |
Text (Similarity)
RAMA_55201_2113020046_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB) |
![]() |
Text (Cover sd BAB 1 + References)
RAMA_55201_2113020046_0707079001_0711018102_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (990kB) |
![]() |
Text (BAB 2)
RAMA_55201_2113020046_0707079001_0711018102_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (477kB) | Request a copy |
![]() |
Text (BAB 3)
RAMA_55201_2113020046_0707079001_0711018102_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (565kB) | Request a copy |
![]() |
Text (BAB 4)
RAMA_55201_2113020046_0707079001_0711018102_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (730kB) | Request a copy |
![]() |
Text (BAB 5)
RAMA_55201_2113020046_0707079001_0711018102_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (250kB) | Request a copy |
![]() |
Text (References)
RAMA_55201_2113020046_0707079001_0711018102_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (213kB) |
![]() |
Text (Lampiran)
RAMA_55201_2113020046_0707079001_0711018102_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (5MB) | Request a copy |
Abstract
Penelitian ini berjudul "Sistem Deteksi Kemacetan Menggunakan Metode Faster R- CNN Berdasarkan Data CCTV" yang bertujuan untuk mengembangkan sistem deteksi kemacetan secara otomatis dengan memanfaatkan teknologi deep learning. Permasalahan kemacetan, terutama di daerah simpang Mengkreng, Kediri, yang menjadi titik rawan karena merupakan penghubung antar tiga kabupaten, menjadi latar belakang utama dari penelitian ini. Untuk mengatasi permasalahan tersebut, sistem dikembangkan menggunakan metode Faster R-CNN guna mendeteksi kendaraan secara otomatis berdasarkan data rekaman CCTV. Sistem ini mampu mendeteksi empat jenis kendaraan utama, yaitu motor, mobil, bus, dan truk, serta menghitung jumlah kendaraan, kecepatan rata-rata, dan mengklasifikasi tingkat kemacetan lalu lintas. Penelitian ini menggunakan pendekatan studi kasus dengan memanfaatkan dataset kendaraan berlabel dari Kaggle dan rekaman CCTV sebagai sumber utama data. Implementasi sistem dilakukan melalui desain antarmuka berbasis GUI yang dilengkapi fitur untuk memilih video, menentukan area ROI, memulai proses deteksi, serta menyimpan hasil dalam format Excel. Evaluasi terhadap sistem dilakukan melalui pengujian fungsional dan non-fungsional. Hasil pengujian menunjukkan bahwa sistem bekerja dengan baik pada siang hari, dengan nilai F1- score tinggi khususnya untuk kendaraan jenis motor dan mobil. Namun, pada malam hari performa sistem sedikit menurun, terutama dalam mendeteksi kendaraan besar seperti bus. Secara umum, sistem menunjukkan akurasi tinggi dalam mendeteksi kendaraan dan memberikan output yang informatif untuk mendukung pengambilan keputusan dalam pengelolaan lalu lintas. Dari umpan balik yang diberikan oleh pihak Dinas Perhubungan, sistem dinilai sangat membantu dalam efisiensi penghitungan kendaraan dan pelaporan lalu lintas secara otomatis, meskipun disarankan untuk menambahkan analisis berdasarkan kapasitas jalan agar klasifikasi kemacetan menjadi lebih akurat. Kesimpulan dari penelitian ini adalah bahwa sistem berbasis Faster R-CNN yang dikembangkan mampu menjalankan fungsinya secara maksimal dan memberikan manfaat nyata bagi pengelolaan lalu lintas, serta dapat dikembangkan lebih lanjut untuk skala yang lebih luas.
Item Type: | Thesis (Undergraduate) |
---|---|
Uncontrolled Keywords: | Faster R-CNN, Deteksi Kemacetan, CCTV, Deep Learning, Deteksi Kendaraan |
Subjects: | 410 Engineering science > 428 Transportation 410 Engineering science > 457 Computer engineering 410 Engineering science > 459 Computer science 410 Engineering science > 463 Software engineering |
Divisions: | Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika |
Depositing User: | Muhamad Helmi Khoirur Rizal |
Last Modified: | 06 Aug 2025 11:04 |
URI: | http://repository.unpkediri.ac.id/id/eprint/19701 |
Actions (login required)
![]() |
View Item |