Sistem Deteksi Pelanggaran Pengendara Motor dengan Computer Vision Sesi Pelanggaran Pelindung Kepala

Jaya, I Gusti Alit Wiraguna and Swardika, I Ketut and Sugirianta, Ida Bagus Ketut (2022) Sistem Deteksi Pelanggaran Pengendara Motor dengan Computer Vision Sesi Pelanggaran Pelindung Kepala. Repositori Politeknik Negeri Bali.

	Text (Artikel) RAMA_36304_1815344022_artikel.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (676kB)
	Text (Surat Pernyataan Bebas Plagiarisme) RAMA_36304_1815344022_pernyataan.pdf - Supplemental Material Available under License Creative Commons Attribution Non-commercial Share Alike. Download (520kB)

Abstract

Helm merupakan salah satu faktor keselamatan dalam berkendara sepeda motor yang memiliki fungsi untuk melindungi bagian kepala, namun masih banyak pengendara yang sering mengabaikan penggunaan pelindung kepala. Menurut WHO (World Health Organization) penggunaan pelindung kepala pada pengendara sepeda motor dapat menurunkan resiko kematian mencapai 40% dan dengan pemakaian pelindung kepala pada saat berkendara dapat mengurangi resiko cedera kepala lebih dari 70%. Untuk mengatasi hal tersebut petugas kepolisian kerap mengadakan operasi penertiban lalu lintas dan pengawasan terhadap pengendara bermotor pada persimpangan jalan. Namun pen-ertiban tersebut hanya mampu memberikan feedback pasca waktu tertentu. Untuk itu diperlukan suatu sistem yang mampu memberikan pemantauan secara real-time agar tindakan pelanggaran pada lalu lintas dapat diminimalisir. Se-hingga metode yang dapat diaplikasikan pada sistem deteksi pelanggaran yaitu computer vision dengan algoritma Ten-sorFlow Lite, algoritma ini yang akan menjadi dasar sistem dalam mendeteksi objek yang dikatakan melanggar. Untuk processing-nya digunakan SBC Raspberry Pi 4 B dan pada sistem ini dirancang dengan visual sebuah kamera yang me-mantau kondisi pemberhentian traffic light. Pada penelitian ini, sistem pendeteksian objek yang dirancang mendapat nilai akurasi pendeteksian sebesar 89% dengan menggunakan confusion matrik pada hasil pengujiannya, yang berarti sudah cukup mumpuni untuk realtime object detection. Sedangkan nilai akurasi pembacaan karakter nopol pelanggar mendapat nilai pendeteksian sebesar 70,44%. Selain itu dalam penelitian ini sistem juga memberikan notifikasi berupa email. Perancangan sistem deteksi pelanggaran ini sudah diuji coba dan memberikan hasil yang sesuai, sehingga dapat diimplementasikan dengan baik.

Actions (login required)

View Item