<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="1713859">
 <titleInfo>
  <title>PENDETEKSIAN DAN PENGHITUNGAN JUMLAH KENDARAAN LALU LINTAS MENGGUNAKAN ALGORITMA YOLOV12</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>CICI FITRIA MAULIDA</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik</publisher>
   <dateIssued>2026</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Peningkatan jumlah kendaraan di kawasan perkotaan menuntut adanya sistem pemantauan lalu lintas yang akurat dan mampu bekerja secara real-time. Penelitian ini bertujuan untuk menerapkan serta mengevaluasi kinerja algoritma YOLOv12 dalam mendeteksi dan menghitung jumlah kendaraan berbasis video. Penelitian ini menggunakan tiga varian model YOLOv12, yaitu YOLOv12n, YOLOv12s, dan YOLOv12m, yang dilatih menggunakan dataset citra kendaraan hasil anotasi manual. Model yang telah dilatih kemudian diuji pada video lalu lintas nyata yang direkam di kawasan JPO Masjid Oman, Banda Aceh. Evaluasi kinerja sistem dilakukan menggunakan parameter precision, recall, mAP@0.5, dan F1-score. Data ground truth diperoleh melalui perhitungan manual jumlah kendaraan pada video uji dengan durasi 1 menit 10 detik. Hasil pengujian menunjukkan bahwa ketiga model YOLOv12 mampu mendeteksi kendaraan dengan tingkat performa yang berbeda. Model YOLOv12m menunjukkan kinerja paling stabil dan hasil penghitungan yang paling mendekati ground truth, dengan nilai precision sebesar 80,1%, recall sebesar 67,3%, mAP@0.5 sebesar 78,7%, serta F1-score pada kisaran 0,70–0,75. Berdasarkan hasil tersebut, YOLOv12m dinilai sebagai model terbaik dalam penelitian ini karena mampu memberikan keseimbangan antara kinerja deteksi dan kestabilan penghitungan kendaraan. Model ini berpotensi untuk diterapkan pada sistem pemantauan lalu lintas otomatis berbasis video sebagai pendukung pengelolaan lalu lintas perkotaan.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>1713859</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2026-04-14 11:49:26</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2026-04-14 12:09:58</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>