Tingginya tingkat kemacetan lalu lintas di perkotaan memerlukan solusi pemantauan dan analisis yang cepat dan akurat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem analisis kinerja lalu lintas otomatis yang mengintegrasikan model deteksi objek YOLOv8 dengan parameter standar Pedoman Kapasitas Jalan Indonesia (PKJI) 2023. Berbeda dengan penelitian sebelumnya yang umumnya berfokus pada kuantifikasi kendaraan, sistem ini secara otomatis mengonversi data deteksi visual menjadi metrik kinerja teknis. Hasil pengujian menunjukkan model YOLOv8s mencapai nilai mAP@0.5 rata-rata 0.948. Implementasi sistem pada dashboard interaktif menunjukkan akurasi perhitungan jumlah kendaraan sebesar 96% dibandingkan data manual, yang kemudian diolah menjadi indikator Derajat Kejenuhan (Degree of Saturation) dan Tingkat Pelayanan (Level of Service). Temuan ini membuktikan bahwa integrasi deep learning dengan regulasi rekayasa transportasi nasional dapat meningkatkan efisiensi pemantauan infrastruktur jalan secara signifikan.
Jaringan kolaborasi para penulis
10 penulis ·
19 tautan kepenulisan bersama
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
Afiliasi tidak diketahui
Organisasi berbeda
Organisasi sama
Afiliasi tidak diketahui
Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.