Aplikasi Computer Vision Untuk Deteksi Obyek Pada Pemantauan Ruang Parkir Otomatis Berbasis YOLO
Abstract
Pertumbuhan jumlah kendaraan bermotor yang pesat di perkotaan menyebabkan ketidakseimbangan antara peningkatan jumlah kendaraan dengan ketersediaan lahan parkir, khususnya di daerah perkotaan. Kondisi tersebut menuntut penerapan solusi berbasis teknologi yang efisien, salah satunya melalui sistem pemantauan ruang parkir otomatis berbasis computer vision. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma deteksi objek YOLOv8 dengan menggunakan dua pustaka berbeda (pustaka N dan M) dalam mendeteksi objek mobil, serta menguji kemampuannya dalam membedakan objek mobil dengan objek lainnya. Metode yang digunakan dalam penelitian ini menggunakan metode kuantitatif, dimana nilai akurasi dan performa yang dapat dihitung dengan rumus TP, FP, FN, Precision, Recall dan mAP@50. Data uji diperoleh dari rekaman video CCTV yang diekstraksi menjadi rangkaian citra, kemudian dianalisis menggunakan kedua pustaka tersebut. Video yang sudah direkam selanjutnya di ekstrak per gambar untuk melakukan pengujian manual supaya dapat mengetahui objek apa saja yang berhasil di deteksi oleh YOLOv8 secara detail dan mengetahui pustaka yang terbaik antara N dan M. Hasil penelitian menunjukkan bahwa pustaka M memiliki nilai Precision, Recall, mAP@0.5, dan mAP@0.5:0.95 yang lebih tinggi dibandingkan pustaka N, menandakan akurasi deteksi objek yang lebih baik. Meskipun pustaka N memiliki keunggulan dalam kecepatan pemrosesan (lebih cepat 5,6 milidetik per gambar), pustaka M tetap berada dalam kisaran waktu pemrosesan yang efisien, yaitu rata-rata 10,2 milidetik. Pada pengujian tambahan terhadap video yang berisi objek selain mobil, pustaka M menunjukkan performa yang sangat baik dengan nilai Precision sebesar 1.0 dan Recall sebesar 0.993 untuk kelas mobil. Dengan demikian, dapat disimpulkan bahwa implementasi YOLOv8 menggunakan pustaka M memiliki kemampuan yang unggul dalam mendeteksi serta membedakan objek mobil secara akurat dan konsisten, sehingga berpotensi diterapkan secara efektif dalam sistem pemantauan ruang parkir otomatis.
Downloads
References
K. S. Salamah, “Rancang Bangun Kontrol Smart Parking Otomatis Berbasis Arduino,” vol. 10, no. 1, pp. 34–39, 2019.
A. Muzaki et al., “Deteksi Ketersediaan Lahan Parkir Dengan Menggunakan OpenCV,” vol. 3, pp. 237–244, 2024.
T. U. Anastasia, A. Mufti, and A. Rahman, “Rancang Bangun Sistem Parkir Otomatis dan Informatif Berbasis Mikrokontroler ATmega2560,” vol. 2, no. 1, pp. 29–34, 2017.
S. Si et al., COMPUTER VISION DAN PENGOLAHAN CITRA DIGITAL. .
G. Bradski and A. Kaehler, No Title. .
A. Rachmaniar, D. Diana, M. Saefudin, and R. Parulian, “Application Of Computer Vision Detection Of Apples And Oranges Using Python Language,” vol. 6, no. 2, pp. 455–466, 2022, doi: 10.52362/jisicom.v6i2.946.
I. Winetra, I. Prayudha, and N. Saptarini, “PERANCANGAN SISTEM PENDETEKSI TEMPAT PARKIR MOBIL MENGGUNAKAN METODE YOU ONLY LOOK ONCE (YOLO) DI POLITEKNIK NEGERI BALI,” J. Teknol. Inf. dan Komput., vol. 10, 2025, doi: 10.36002/jutik.v10i4.3577.
D. P. Vukovac, V. Kirinic, and B. Klicek, “A Comparison of Usability Evaluation Methods for e-Learning Systems,” DAAAM Int. Sci. B. 2010, pp. 271–288, 2010, doi:10.2507/daaam.scibook.2010.27.
J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, “You Only Look Once : Unified , Real-Time Object Detection.”
E. Tanuwijaya and C. Fatichah, “Penandaan Otomatis Tempat Parkir Menggunakan YOLO untuk Mendeteksi Ketersediaan Tempat Parkir Mobil pada Video CCTV 1,” vol. 5, pp. 189–198, 2020.
G. Ryani and C. Kurnia, “DALAM KONTRA TERORISME.”
L. Perkovic, Introduction to Computing Using Python: An Application Development Focus. Wiley, 2011.
Paramita, C., Suprianto, C., & Putra, R. (2024). Comparative Analisis Of YOLOv5 and YOLOv8 Cigarete Detection in Social Media Content. Jurnal Teknik Informatika dan Komputer. Vol. 11, Hal. 343-345.
