Pengembangan Kerangka Kerja Transformasi Homografi Monokuler Otomatis Berbasis Segmentasi Dan Geometri Marka Jalan Untuk Pengukuran Kecepatan Kendaraan Pada Video Lalu Lintas

Rahman, Fandisya (2026) Pengembangan Kerangka Kerja Transformasi Homografi Monokuler Otomatis Berbasis Segmentasi Dan Geometri Marka Jalan Untuk Pengukuran Kecepatan Kendaraan Pada Video Lalu Lintas. Doctoral thesis, Institute teknologi Sepuluh Nopember.

Text 7025221002-DIssertation.pdf - Accepted Version Restricted to Repository staff only Download (46MB) | Request a copy

Abstract

Kecelakaan lalu lintas merupakan masalah serius yang memiliki dampak yang signifikan pada kehidupan manusia di seluruh dunia. Kecepatan kendaraan yang melampaui batas yang ditetapkan telah diidentifikasi sebagai salah satu faktor utama yang berkontribusi pada tingginya tingkat kecelakaan dan cedera lalu lintas. Penelitian ini berfokus pada pengembangan sebuah Framework untuk melakukan estimasi kecepatan kendaraan menggunakan transformasi homografi pada video lalu lintas.
Framework yang diusulkan diawali dengan sebuah video sebagai masukan pada proses penghilangan kendaraan menggunakan average frame, segmentasi jalan menggunakan SegFormer MiT-B5, deteksi garis markah jalan menggunakan Hough Transform, mencari perpotongan garis menggunakan Bentley-Ottmann sebagai masukan proses transformasi homografi. Hasil transformasi homografi dilanjutkan oleh framework untuk melakukan deteksi dan penelusuran menggunakan model YOLOv9-c dan ByteTrack dan dilakukan evaluasi untuk menilai kinerja Framework menggunakan metrik evaluasi pengukuran kecepatan kendaraan.
Hasil pengujian SegFormer MiT-B5 menghasilkan nilai mIoU tertinggi sebesar 51.80. Kemudian, hasil pengujian deteksi kendaraan menunjukkan bahwa YOLOv9-c unggul dalam tugas deteksi kendaraan menggunakan dataset MS-COCO kelas kendaraan dengan nilai mAP 0.493 dibandingkan algoritma deteksi kendaraan lainnya. Selanjutnya, hasil pengujian metrik segmentasi pada model YOLOv8 dan YOLOv11 sebagai model deteksi marka jalan menunjukkan YOLOv8-m unggul pada metrik mAP50 dengan nilai 0.868, serta YOLOv8-l unggul pada metrik mAP50-95 dengan nilai 0.468. Hasil perbandingan antara pendekatan Hough Transform dan pendekatan deteksi garis YOLO menunjukkan bahwa pendekatan Hough Transform mampu menghasilkan transformasi homografi yang lebih baik dibanding menggunakan deteksi garis YOLO pada video uji. Adapun hasil perhitungan evaluasi kinerja pengukuran kecepatan menunjukkan bahwa Framework yang diusulkan mendapat nilai MSE, RMSE, dan MAE masing-masing sebesar 2.01, 1.42, dan 0.71. Hasil pengukuran MSE, RMSE, dan MAE juga menunjukkan bahwa Framework yang diusulkan mengungguli semua penelitian relevan dengan dataset BrnoCompSpeed Dataset.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Framework Estimasi Kecepatan Kendaraan, Transformasi Homografi, Hough Transform, Bentley-Ottmann, YOLO,Vehicle Speed Estimation Framework, Homography Transformation, Hough Transform, Bentley-Ottmann, YOLO
Subjects:	H Social Sciences > HE Transportation and Communications > HE5614.2 Traffic safety Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques. Image analysis--Data processing.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55001-(S3) PhD Thesis (Comp Science)
Depositing User:	Fandisya Rahman
Date Deposited:	31 Jul 2026 07:06
Last Modified:	31 Jul 2026 07:31
URI:	http://repository.its.ac.id/id/eprint/141068

Actions (login required)

View Item