Deteksi kendaraan di lalu lintas menggunakan Kalman Filter dan Yolo v8

Abstrak

Penelitian ini membahas pengembangan model deteksi dan pelacakan kendaraan pada lalu lintas menggunakan algoritma YOLO v8 yang terintegrasi dengan Kalman Filter. Tujuan dari penelitian ini adalah untuk meningkatkan akurasi pelacakan kendaraan pada rekaman video lalu lintas, dengan ketahanan yang lebih baik terhadap oklusi dan gangguan. Metode yang digunakan dalam penelitian ini mencakup pengumpulan data dari dataset gambar kendaraan yang tersedia di Roboflow, serta pengolahan data menjadi subset pelatihan, validasi, dan pengujian. Model dilatih selama 30 epoch menggunakan Google Colaboratory, dan mendapat nilai Mean Average Precision (mAP50) mencapai 93%, presisi 90%, dan recall 89%. Pengujian dilakukan menggunakan rekaman CCTV dari lalu lintas di Kota Madiun yang diperoleh dari situs web CCTV Pemkot Madiun, menunjukkan kinerja deteksi dan pelacakan yang tinggi. Hasil evaluasi menunjukkan akurasi sebesar 93%, presisi 96%, recall 85%, dan skor F1 sebesar 90%. Evaluasi menggunakan confusion matrix menunjukkan performa yang baik dalam mendeteksi kendaraan, seperti mobil, sepeda motor, dan truk. Penelitian ini berpotensi menjadi solusi yang efektif dalam mengatasi masalah pemantauan lalu lintas.