Rancang Bangun Sistem Monitoring Kendaraan Berbasis YOLO dan Pelacakan Objek Temporal untuk Deteksi Kendaraan Berhenti sebagai Pendukung Keselamatan Perlintasan Kereta Api

FAHLEVI, SEFRI ADITYA EKA (2026) Rancang Bangun Sistem Monitoring Kendaraan Berbasis YOLO dan Pelacakan Objek Temporal untuk Deteksi Kendaraan Berhenti sebagai Pendukung Keselamatan Perlintasan Kereta Api. Other thesis, Universitas Nurul Jadid.

Text TA EKA FAHLEVI,2_watermark.pdf Restricted to Registered users only Download (9MB) | Request a copy

Abstract

Tingkat kecelakaan pada perlintasan sebidang kereta api di Indonesia masih menjadi tantangan serius, terutama yang dipicu oleh perilaku pengendara yang menerobos palang pintu atau kendaraan yang berhenti di atas rel. Penelitian ini bertujuan untuk merancang serta mengimplementasikan sistem pemantauan otomatis yang mampu mendeteksi kendaraan terjebak di zona bahaya secara real-time guna mendukung sistem peringatan dini yang preventif. Metodologi yang diusulkan mengintegrasikan arsitektur computer vision YOLOv8 untuk mendeteksi objek dengan algoritma ByteTrack untuk pelacakan identitas temporal, serta memanfaatkan segmentasi spasial melalui pemetaan Region of Interest (ROI) untuk mengisolasi area perlintasan. Dataset yang digunakan terdiri dari 1.142 citra kendaraan yang terbagi ke dalam 10 kategori kelas. Model YOLOv8 dilatih selama 50 epoch untuk mencapai konvergensi fitur yang optimal. Hasil pengujian menunjukkan performa model yang memuaskan dengan nilai Precision 90%, Recall 85%, dan mean Average Precision ([email protected]) sebesar 94%. Sistem berhasil mengidentifikasi kendaraan dengan kecepatan 0,0 km/jam secara presisi di dalam area ROI. Ketika kondisi bahaya terdeteksi, sistem secara instan memicu peringatan visual pada dasbor antarmuka serta mengirimkan muatan data JSON melalui REST API ke basis data cloud Firebase untuk memproses lebih lanjut. Sebagai simpulan, sistem ini membuktikan efektivitas teknologi kecerdasan buatan dalam melakukan pemantauan keselamatan perlintasan kereta api secara mandiri. Inovasi ini memberikan solusi mitigasi risiko yang aplikatif untuk menekan angka fatalitas kecelakaan pada infrastruktur transportasi perkeretaapian.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	YOLOv8, ByteTrack, Computer Vision , Keselamatan Perlintasan Kereta Api, Kendaraan Deteksi Berhenti.
Subjects:	T Technology > TF Railroad engineering and operation T Technology > TK Electrical engineering. Electronics Nuclear engineering T Technology > TL Motor vehicles. Aeronautics. Astronautics
Divisions:	Fakultas Teknik > S1 Teknik Elektro
Depositing User:	Unnamed user with email [email protected]
Date Deposited:	31 Oct 2026 02:16
Last Modified:	31 Oct 2026 02:16
URI:	https://repository.unuja.ac.id/id/eprint/5773

Actions (login required)

View Item