Perancangan Kontrol Adaptif Kepadatan Arus Lalu Lintas dengan Metode Convolutional Neural Network
Abstrak
Kemacetan lalu lintas merupakan salah satu permasalahan dan tantangan yang memerlukan solusi berbasis teknologi cerdas. Perancangan ini membentuk sistem kontrol adaptif kepadatan arus lalu lintas menggunakan metode Convolutional Neural Network (CNN) dan pendekatan algoritme YOLOv8. Sistem ini mengintegrasikan teknologi computer vision dan deep learning untuk mendeteksi, menghitung, dan mengklasifikasikan kendaraan secara real-time, berbasis data citra digital kamera CCTV. Perancangan dilakukan dengan data input salah satu pertigaan Kota Malang pada dua waktu dan kondisi yang berbeda. Perhitungan matematis dan training data juga dilakukan menggunakan software komputasi MATLAB. Pada hasil perancangan, didapatkan nilai akurasi pada rentang 30 – 45%. Dengan sekuensial pertama, prioritas lalu lintas jalur 3, jalur 2, lalu jalur 1. Kemudian pada sekuensial kedua, prioritas lalu lintas jalur 3, jalur 1, dan jalur 2. Meskipun nilai akurasi terbatas, perancangan ini berpotensi bahwa teknologi deep learning dapat mengoptimalkan manajemen lalu lintas. Dengan faktor yang berpengaruh seperti kualitas data input, pemrograman sistem, kondisi cuaca, dan sudut pembacaan kamera.
Referensi
G. P. R. Pingky, Mat Syai’in, Zindhu Maulana Ahmad Putra, Ahmad Putra, Ii Munadhif, and Imam Sutrisno, “Skema Koordinasi Persimpangan Untuk Kelancaran Arus Lalu Lintas Dengan Metode Neural Network,” J. Elektron. dan Otomasi Ind., vol. 11, no. 2, pp. 396–408, 2024, doi: 10.33795/elkolind.v11i2.5367.
M. I. Hadi, D. K. Silalahi, and P. D. Wibawa, “Pengaturan Lampu Lalu Lintas Berdasarkan Deteksi Volume Kendaraan Menggunakan Metode Yolov3 Traffic Light Setting Based On Vehicle Volume Detection Using The Yolov3 Method,” e-Proceeding Eng., vol. 9, no. 5, pp. 2133–2144, 2022, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/18470
Irfan Hermawan M, Iwut Tritoasmoro I, and Ibrahim N, “Traffic Light Control Based on Vehicle Density Using the Yolo Method,” e-Proceeding Eng., vol. 8, no. 1, pp. 198–205, 2021.
L. Cheng, Z. Wang, F. Jiang, and J. Li, “Adaptive neural network control of nonlinear systems with unknown dynamics,” Adv. Sp. Res., vol. 67, no. 3, pp. 1114–1123, 2021, doi: 10.1016/j.asr.2020.10.052.
T. Pangemanan and A. Rondonuwu, “Perancangan Sistem Kontrol Lampu Lalulintas Cerdas Dengan Menggunakan Mikrokontroler dan Kamera,” J. MIPA, vol. 8, no. 3, p. 200, 2019, doi: 10.35799/jmuo.8.3.2019.26198.
H. T. S. Abid Juliant Indraswara, Bagus Fathkurrozi, “PERANCANGAN SISTEM MACHINE LEARNING UNTUK KLASIFIKASI KENDARAAN PADA PERSIMPANGAN TRAFFIC LIGHT,” 2022.
B. F. Darmanto, C. Setianingsih, and R. E. Saputra, “Deteksi Pelanggaran pada Bahu Jalan Tol Menggunakan Algoritma Cascade R-CNN,” e-Proceeding Eng., vol. 10, no. 5, pp. 4488–4497, 2023.
D. A. Abdurrafi, M. T. Alawiy, and B. M. Basuki, “Deteksi Klasifikasi Dan Menghitung Kendaraan Berbasis Algoritma You Only Look Once (YOLO) Menggunakan Kamera CCTV,” Sci. Electro, no. 1, pp. 1–9, 2023, [Online]. Available: https://jim.unisma.ac.id/index.php/jte/article/viewFile/21551/16069
A. N. A. Yusuf, A. S. Arifin, and F. Y. Zulkifli, “Recent development of smart traffic lights,” IAES Int. J. Artif. Intell., vol. 10, no. 1, pp. 224–233, 2021, doi: 10.11591/ijai.v10.i1.pp224-233.
A. Hendriawan, M. I. M. Pradana, and R. Susetyoko, “Sistem Deteksi Lampu Lalu Lintas Sebagai Asisten Pengemudi Menggunakan Convolutional Neural Network,” INOVTEK Polbeng - Seri Inform., vol. 8, no. 1, p. 73, 2023, doi: 10.35314/isi.v8i1.3155.
V. P. Saputra and U. Latifa, “Simulasi Detection Counter Pada Objek Kendaraan Motor Dan Mobil Menggunakan Metode Convolutional Neural Network Berbasis Python,” J. Ilm. Wahana Pendidik., vol. 2023, no. 16, pp. 760–766, 2023, [Online]. Available: https://doi.org/10.5281/zenodo.8265040
I. Setiawan, “Mengatasi Kemacetan Di Lampu Merah Dengan Pendekatan Image Processing,” J. Innov. Futur. Technol., vol. 4, no. 2, pp. 9–18, 2022, doi: 10.47080/iftech.v4i2.2117.
Suci Wahyuni, “Jaringan Syaraf Tiruan Memprediksi Kendaraan Masuk Pada Pengujian Kir Menggunakan Metode Backpropagation (Studi Kasus : Dinas Perhubungan Kota Binjai),” Semin. Nas. Inform., pp. 135–140, 2021.
I. Yani, F. F. Siregar, and D. S. Tua Sitorus, “Identifikasi Plat Mobil Dengan Menggunakan Metode Jaringan Syaraf Tiruan Kohonen Pada Sistem Parkir Cerdas,” Pros. Semin. Nas. Teknoka, vol. 4, no. 2502, pp. I26–I31, 2019, doi: 10.22236/teknoka.v4i0.4205.
G. N. Laananila, I. D. Irawati, and D. N. Ramadan, “Smart Traffic Monitoring & Control Dengan Pengolahan Citra Digital,” eProceedings Appl. Sci., vol. 9, no. 1, pp. 330–336, 2023.
CCTV Kota Malang. 2024. http://cctv.malangkota.go.id/cameras_dua
Penulis
Hak Cipta (c) 2025 Muhammad Ilham Bintang Adhisatria, Wahyudi
Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
Hak cipta berada di tangan penulis
Artikel yang terbit dapat digunakan di bawah lisensi Creative Commons Atribusi Non-Komersial 4.0 InternasionalÂ
Anda diperbolehkan:
Berbagi menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun;
Adaptasi menggubah, mengubah, dan membuat turunan dari materi ini
Pemberi lisensi tidak dapat mencabut ketentuan di atas sepanjang Anda mematuhi ketentuan lisensi ini.
Berdasarkan ketentuan berikut:
Atribusi Anda harus mencantumkan nama yang sesuai, mencantumkan tautan terhadap lisensi, dan menyatakan bahwa telah ada perubahan yang dilakukan. Anda dapat melakukan hal ini dengan cara yang sesuai, namun tidak mengisyaratkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
NonKomersial Anda tidak dapat menggunakan materi ini untuk kepentingan komersial.
