Deteksi Truk Yang Melebihi Kapasitas Menggunakan Convolutional Neural Network Dengan Metode Yolo

Arfiansyah, Mochammad Eka (2022) Deteksi Truk Yang Melebihi Kapasitas Menggunakan Convolutional Neural Network Dengan Metode Yolo. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211840000013-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (18MB)

Abstract

Peredaran truk Over Dimension Over Loading atau ODOL di Indonesia sudah menjadi hal yang biasa di ruas-ruas jalan. Peredaran truk tersebut biasanya digunakan perusahaan untuk mengurangi biaya transport karena dapat menghemat biaya armada yang digunakan untuk mengirim barang. Padahal dalam kenyataannya peredaran truk tersebut merugikan negara setiap tahunnya. Kerugian Negara yang disebabkan oleh truk ODOL di sektor pemeliharaan, perbaikan jalan saja mencapai angka 43,45 trilliun rupiah. Angka tersebut juga belum termasuk dengan kerugian yang harus dibayar dari peristiwa kecelakaan atau pelanggaran lalu lintas yang disebabkan truk ODOL tersebut. Pengawasan terhadap truk ODOL terbilang cukup sulit karena jembatan timbang biasanya berada di jalanjalan nasional, dan bukan di jalan tol. Maka dari itu dibutuhkan sebuah sistem yang dapat melakukan deteksi truk yang melebihi kapasitas yang dapat diimplementasikan dengan kamera-kamera pada ruas jalan. Untuk dapat melakukan deteksi secara otomatis maka dibutuhkan CNN dengan metode YOLO. Jenis YOLO yang digunakan adalah YOLOv4 dengan menggunakan framework Darknet. YOLO dipilih karena keakuratan, dan kecepatannya. Sistem deteksi ini berjalan dengan cara mendeteksi apakah truk yang lewat termasuk overloaded truck atau bukan. Deteksi mencakup deteksi roda dan deteksi truk itu sendiri. Dari hasil pengujian dataset, didapatkan F1-score, presisi dan recall terbaik secara berurutan sebesar 99%, 99% dan 99%. Sedangkan untuk rata-rata presisi (mAP) yang didapat dari dataset sebesar 99%
==============================================================================================================================
Over Dimension Over Loading Truck or ODOL Truck spread in Indonesia has become a common thing. The distribution of the truck is usually used by the company to reduce transport costs because it can save the fleet costs that used to transport the goods. In fact, the spread of these truck is inflict a financial loss for the country. Country’s losses coused by ODOL Truck in the maintenance, and road repair alone reaches 43.45 trillion rupiah. That number is not including the losses that must be paid from the road accidents, and traffic violations yet. Surveillance of ODOL Truck is quite difficult because weighbridges are usually on the arterial road, not on toll roads. That’s why it’s needed a system that can detect trucks that exceed capacity that can be implemented with cameras on the road. To be able to perform detection automatically, it takes CNN with YOLO method. The type of YOLO that we used is YOLOv4 with Darknet Framework. YOLO was chosen for it’s accuracy, and speed. This detection system works by detecting whether the passing trucks is ODOL Truck or not. Detection includes wheel detection, and truck detection itself. From the dataset testing result, we obtain the best F1-score, precision, and recall respectively by 99%, 99% and 99%. Whereas for the average precision or mAP that obtained from dataset is 99%

Item Type:	Thesis (Other)
Additional Information:	RSKom 006.42 Arf d-1 2022
Uncontrolled Keywords:	Truk. Deteksi. Kapasitas. CNN. YOLO. Darknet. Truck. Detection. Capacity. CNN. YOLO. Darknet.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	15 Jun 2026 08:24
Last Modified:	15 Jun 2026 08:24
URI:	http://repository.its.ac.id/id/eprint/133822

Actions (login required)

View Item