Atha Irrahman Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro dan Komputer 2026

Theses

Pertumbuhan volume kendaraan di kawasan perkotaan menimbulkan tantangan besar dalam manajemen lalu lintas, terutama pada area persimpangan simetris. Kondisi seperti hujan, pencahayaan rendah, occlusion dan lalu lintas padat menjadi penyebab utama penurunan akurasi perhitungan jumlah kendaraan. Untuk mengatasi masalah ini, penelitian ini menghadirkan CJT-Dataset yang secara spesifik difokuskan pada area persimpangan simetris untuk menangani perilaku objek pada lingkungan lalu lintas campuran. Kami juga mengusulkan metode perhitungan kendaraan adaptif YOLOv10n yang diintegrasikan dengan algoritma BoostTrack untuk meningkatkan akurasi deteksi, pelacakan, dan perhitungan kendaraan secara real-time pada area persimpangan simetris lampu lalu lintas. Dalam metode ini, model YOLOv10n digunakan sebagai detektor utama, sedangkan BoostTrack menjaga konsistensi pelacakan untuk mengurangi ID switch saat occlusion, dan proses perhitungan kendaraan dilakukan menggunakan pendekatan Region of Interest (ROI) berbasis area. Hasil penelitian menunjukkan bahwa model YOLOv10n yang dilatih menggunakan CJT-Dataset memiliki kinerja deteksi tinggi dengan nilai mAP@0.5 sebesar 0.952 dan F1-score 0.91, serta waktu inferensi 1.7 ms per gambar (588 FPS). Integrasi dengan BoostTrack menghasilkan kinerja pelacakan stabil dengan nilai HOTA 56.82, MOTA 58.49, dan IDF1 72.70, serta tetap kompetitif dibanding ocSORT dan ByteTrack. Pada tahap perhitungan kendaraan, sistem mencapai akurasi hingga 100% pada kondisi pagi hari, 84–91% pada siang dan sore hari, dan 66–73% pada malam hari. Secara keseluruhan, integrasi YOLOv10n dan BoostTrack yang dilatih menggunakan CJT-Dataset, terbukti mampu menghasilkan sistem deteksi, pelacakan, dan perhitungan kendaraan yang akurat, efisien, dan adaptif untuk kondisi persimpangan simetris. Kata kunci – YOLOv10n, BoostTrack, perhitungan kendaraan, persimpangan simetris 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1708543 2026-01-15 16:20:00 2026-01-19 08:56:13 machine generated