Electronic Theses and Dissertation

Pelanggaran lalu lintas masih menjadi masalah terbesar dalam perkembangan
lalu lintas di Indonesia. Tiga pelanggaran terbesar adalah (1) menerobos lampu
merah sebesar 42% pelanggaran, (2) tidak menggunakan helm sebesar 23%
pelanggaran, dan (3) melanggar rambu lalu lintas sebesar 9% pelanggaran.
Pelanggaran tidak menggunakan helm menjadi pelanggaran terbesar kedua di
Indonesia, hal ini disebabkan kurangnya kesadaran akan keselamatan dalam
berkendara. Tidak hanya itu, faktor pengawasan yang dilakukan pihak keamanan
juga masih terbilang kurang maksimal. Pengawasan hanya dilakukan di tempat
tertentu, hal tersebut yang menyebabkan tingginya angka pelanggaran terjadi.
Berdasarkan permasalahan tersebut, model YOLOS (You Only Look at Once
Sequence) dengan menggunakan Vision Transformer dan Pytorch yang dibangun
dengan bantuan dataset AI City Challenge 2023 dengan pelatihan sabanyak 200
epoch mampu mendeteksi pengendara yang menggunakan helm dan yang tidak
menggunakan helm, dengan perolehan nilai average precision dan average recall
pada objek yang posisinya terlalu besar (closeup) ketika kamera menangkap objek
tersebut, sehingga menghasilkan ukuran bounding box yang besar (area large),
untuk perolehan nilainya yaitu 38.8% untuk average precision dan 57.2% untuk
average recall, kemudian jika pada average precision dengan parameter IoU 0.5
mendapatkan nilai 63.5%. Implementasi model pada framework streamlit agar
menjadi sistem yang dapat digunakan untuk mendeteksi berhasil dilakukan. Sistem
dapat melakukan deteksi pada single image, video webcam, dan video dari RTSP
CCTV.

Traffic violations are still the biggest problem in the development of traffic in Indonesia. The three biggest violations are (1) running a red light at 42% of violations, (2) not wearing a helmet at 23% of violations, and (3) violating traffic signs at 9% of violations. The violation of not wearing a helmet is the second largest violation in Indonesia, this is due to the lack of awareness of safety in driving. Not only that, the supervision factor carried out by the security forces is also still somewhat less than optimal. Supervision is only carried out in certain places, which causes a high number of violations to occur. Based on these problems, the YOLOS (You Only Look at Once Sequence) model using Vision Transformer and Pytorch built with the help of the AI City Challenge 2023 dataset with 200 epochs of training is able to detect riders who use helmets and those who do not use helmets, with the acquisition of average precision and average recall values on objects whose position is too large (closeup) when the camera captures the object, resulting in a large bounding box size (large area), for the acquisition of values namely 38. 8% for average precision and 57.2% for average recall, then if the average precision with the IoU parameter 0.5 gets a value of 63.5%. The implementation of the model in the streamlit framework to become a system that can be used for detection was successfully carried out. The system can perform detection on single image, webcam video, and video from RTSP CCTV.