Pengembangan Model Deteksi Kendaraan Mobil di Area Parkir dengan Algoritma YOLOv5

Jose Agustian; Tohirin Al Mudzakir; Adi Rizky Pratama

Jose Agustian Universitas Buana Perjuangan Karawang
Tohirin Al Mudzakir Universitas Buana Perjuangan Karawang
Adi Rizky Pratama Universitas Buana Perjuangan Karawang

Keywords: Penglihatan komputer, deteksi kendaraan mobil, algoritma YOLOv5

Abstract

Penggunaan kamera pengawas di area parkir dapat membantu memantau ketersediaan tempat parkir. Sulitnya mengetahui ketersediaan tempat parkir di fasilitas umum, seperti pusat perbelanjaan, dapat menyebabkan kerugian bagi pengemudi, seperti waktu terbuang dan konsumsi bahan bakar yang tidak efisien. Dengan mengetahui jumlah kendaraan yang telah berada di area parkir, informasi mengenai status ketersediaan tempat parkir dapat disediakan untuk mempermudah pengemudi. Penelitian ini bertujuan untuk mengembangkan model deteksi kendaraan mobil di area parkir serta mengevaluasi tingkat akurasi dan presisi model dalam mendeteksi kendaraan tersebut. Model deteksi dikembangkan dengan melatih model pra-latih YOLOv5s, yang kemudian diterapkan untuk mendeteksi kendaraan mobil pada area parkir. Hasil penelitian menunjukkan bahwa algoritma YOLOv5 efektif untuk mendeteksi kendaraan mobil di area parkir. Pada pengujian menggunakan 30 citra, model berhasil mendeteksi 914 kendaraan mobil dengan tingkat akurasi sebesar 90,59% dan tingkat presisi sebesar 94,85%.

References

[1] H. Silderhuis, “Parking Facilities,” Parking Network, 16 Agustus 2013. [Online]. Available: https://www.parking.net/aboutparking/parking-facilities. [Accessed: Oct. 6, 2022].
[2] Tim Brilio, “Berapa Uang & Waktu Terbuang Karena Susah Cari Parkir Di Jakarta?,” Brilio.net, 19 Feb. 2019. [Online]. Available: https://www.brilio.net/serius/berapa-uang-waktu-terbuang-karena-susah-cari-parkir-di-jakarta-190218o.html. [Accessed: Jan. 15, 2022].
[3] A. R. Pratama, A. R. Juwita, and T. A. Mudzakir, “Klasifikasi Daging Sapi Berdasarkan Ciri Warna Dengan Metode Otsu dan K-Nearest Neighbor,” Techno Xplore, vol. 6, no. 1, pp. 9–18, 2021.
[4] D. Wahiddin and J. Indra, “Klasifikasi Kadar Hidrasi Tubuh Berdasarkan Warna Urine dengan Metode Ekstraksi Fitur Warna dan Euclidean Distance,” Techno Xplore, vol. 5, no. 1, pp. 16–20, 2020.
[5] K. A. Baihaqi and C. Zonyfar, “Deteksi Lahan Pertanian Yang Terdampak Hama Tikus Menggunakan YOLO v5,” Syntax: Jurnal Informatika, vol. 11, no. 2, pp. 1–9, 2022.
[6] A. Fauzi, S. Madenda, Ernatusti, E. P. Wibowo, and A. F. N. Masruriyah, “The Importance of Bounding Box in Motion,” in 2020 Fifth International Conference on Informatics and Computing (ICIC), Gorontalo, Indonesia, 2020.
[7] S. Jupiyandi, F. R. Saniputra, Y. Pratama, M. R. Dharmawan, and I. Cholissodin, “Pengembangan Deteksi Citra Mobil Untuk Mengetahui Jumlah Tempat Parkir Menggunakan CUDA dan Modified YOLO,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 6, no. 4, pp. 413–419, 2019.
[8] F. Assidhiqi, R. Rahmadi, and R. A. Rajagede, “Pengembangan Sistem Deteksi Hunian Parkir Menggunakan Metode Convolutional Neural Network,” Automata, vol. 2, no. 1, pp. 224–231, 2021.
[9] F. P. Putra and I. Susilawati, “Prototipe Sistem Deteksi Ketersediaan Lahan Parkir Menggunakan Metode Algoritma Canny Edge,” Journal of Information System and Artificial Intelligence (JISAI), vol. 1, no. 2, pp. 94–99, 2021.