PENERAPAN ALGORITMA YOU ONLY LOOK ONCE (YOLO) UNTUK MENDETEKSI SARANA PERKERETAAPIAN

Muhammad Dzulfahmi Alwi, Ika Seyorini Pradjojowaty, Teguh Arifianto

Abstract


Moda transportasi kereta api memegang peranan penting dalam distribusi penumpang dan barang di Indonesia. Jumlah penumpang kereta selama Januari hingga Maret 2024 mencapai 98,8 juta orang, naik 14,78% dibandingkan periode yang sama pada tahun 2023. Jalur Perlintasan Langsung (JPL) merupakan titik kritis dimana rel bertemu jalan raya dan dijaga oleh petugas jalur lintasan. Sesuai PM 94 tahun 2018, setiap JPL harus memiliki alat deteksi kereta yang mendeteksi kedatangan kereta sebelum perlintasan dengan jarak hingga delapan kilometer. Namun, banyak JPL tidak memenuhi standar dapat meningkatkan risiko kecelakaan. Penelitian ini mengembangkan alat deteksi sarana perkeretaapian menggunakan metode YOLO (You Only Look Once), teknik deep learning untuk deteksi objek secara realtime. Dengan kamera yang ditempatkan sebelum JPL, algoritma YOLO memproses video untuk mendeteksi berbagai jenis sarana seperti lokomotif, gerbong, dan kereta penumpang. Output sistem ini mencakup informasi berupa citra tentang keberadaan sarana. Hasil penelitian ini menunjukkan bahwa model YOLOv8 dengan learning rate 0,001, optimizer SGD, dan epoch 50 memiliki akurasi terbaik dalam mendeteksi sarana perkeretaapian. Algoritma YOLO mampu mendeteksi sarana dengan baik pada waktu pagi dan sore hari, namun akurasi deteksi pada malam hari menurun akibat kurangnya pencahayaan.

Keywords


kereta api; deteksi; YOLO; deep learning; realtime

Full Text:

PDF Hlm 280 - 291

References


Kementerian Perhubungan, “Peraturan Menteri Perhubungan Nomor 94 Tahun 2018 tentang Peningkatan Keselamatan Perlintasan Sebidang Antara Jalur Kereta Api Dengan Jalan”, Peraturan Perundang-undangan, Jakarta, 2018.

B. Sasmito, B. H. Setiadji, and R. Isnanto, “Deteksi Kerusakan Jalan Menggunakan Pengolahan Citra Deep Learning di Kota Semarang”, TEKNIK, vol.44, no.1, pp.7-14, 2023, https://doi.org/10.14710/teknik.v44i1.51908.

J. J. Hwang, Y. H. Jung, B. H. Cho, and M. S. Heo, “An Overview of Deep Learning in the Field of Dentistry”, Imaging Science in Dentistry, vol.49, no.1, pp.1-7, 2019, https://doi.org/10.5624/isd.2019.49.1.1.

A. R. Wasril, M. S. Ghozali, and M. B. Mustafa, “Pembuatan Pendektesi Obyek Dengan Metode You Only Look Once (YOLO) Untuk Automated Teller Machine (ATM)”, Majalah Ilmiah UNIKOM, vol.17, no.1, pp.69-76, 2019, https://doi.org/10.34010/miu.v17i1.2240.

A. Gallu, A. R. Himamunanto, and H. Budiati, “Pengenalan Emosi pada Citra Wajah Menggunakan Metode YOLO”, KESATRIA: Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), vol.5, no.3, pp.1253-1261, 2024, https://pkm.tunasbangsa.ac.id/index.php/kesatria/article/view/444.

J. Pardede and H. Hardiansah, “Deteksi Objek Kereta Api menggunakan Metode Faster R-CNN dengan Arsitektur VGG 16”, MIND (Multimedia Artificial Intelligent Networking Database) Journal, vol.7, no.1, pp.21-36, 2022, https://doi.org/10.26760/mindjournal.v7i1.21-36.

M. Fayyadh, U. Sunarya, and R. Nugraha, “Perancangan Sistem Otomatisasi Palang Pintu Kereta Api Berbasis Motion Detection”, e-Proceeding of Engineering, vol.2, no.1, pp.291-297, 2015, https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/1681.

H. J. Jeong, K. S. Park, and Y. G. Ha, “Image Preprocessing for Efficient Training of YOLO Deep Learning Networks”, 2018 IEEE International Conference on Big Data and Smart Computing (BigComp), Shanghai, China, pp.635-637, 2018, https://doi.org/10.1109/BigComp.2018.00113.

T. Arifianto, “Segmentasi Aksara Pada Tulisan Aksara Jawa Menggunakan Adaptive Threshold”, SMATIKA: STIKI Informatika Jurnal, vol.7, no.1, pp.1-5, 2017, https://jurnal.stiki.ac.id/SMATIKA/article/view/20.

G. Li, Z. Song, and Q. Fu, “A New Method of Image Detection for Small Datasets under the Framework of YOLO Network”, 2018 IEEE 3rd Advanced Information Technology, Electronic and Automation Control Conference (IAEAC 2018), Chongqing, China, pp.1031-1035, 2018, https://doi.org/10.1109/IAEAC.2018.8577214.

K. Mistry and A. Saluja, “An Introduction to OpenCV using Python with Ubuntu”, International Journal of Scientific Research in Computer Science, Engineering and Information Technology, vol.1, no.2, pp.65-68, 2016, https://ijsrcseit.com/home/issue/view/article.php?id=CSEIT16129.

R. G. Fajri, I. Santoso, and Y. A. A. Soetrisno, “Perancangan Program Pendeteksi dan Pengklasifikasi Jenis Kendaraan Dengan Metode Convolutional Neural Network (CNN) Deep Learning”, Transient: Jurnal Ilmiah Teknik Elektro, vol.9, no.1, pp.97-106, 2020, https://doi.org/10.14710/transient.v9i1.97-106.

T. Ismail, Supatman, and I. D. Rahayu, “Aplikasi Pengembangan Metode Seleksi Kualitas Kacang Kulit Oven Dengan Convolutional Neural Network (CNN)”, JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 12, no.3, pp.2726-2734, 2024, http://dx.doi.org/10.23960/jitet.v12i3.4874.

B. Hartanto, B. W. Yudanto, and D. Nugroho, “Optimasi Deteksi Tepi Pada Citra Digital Melalui Tuning Hyperparameter Clahe dan Filter Bilateral: Studi Kasus Pada Gambar Kendaraan”, Biner : Jurnal Ilmiah Informatika dan Komputer, vol.3, no.2, pp.134-141, 2024, https://ojs.unsiq.ac.id/index.php/biner/article/view/7745.

F. Fachrunnisa, A. Usman, and M. Khairani, “Implementasi Noise Removal dan Image Enhancement Pada Citra Digital Menggunakan Metode Adaptive Median Filter”, Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI), vol.3, no.1, pp.11-20, 2024, https://jurnal.unity-academy.sch.id/index.php/jirsi/article/view/95.

R. C. S. Hariyono, K. Khoerunisa, N. M. Saraswati, R. N. Prasetyono, M. Z. Alfariki, “Deteksi Penyakit Bercak Coklat, Coklat Sempit Dan Hawar Melalui Spektrum Warna Citra Digital Daun Padi Menggunakan Metode Convolutional Neural Network”, ZONAsi: Jurnal Sistem Informasi, vol.5, no.2, pp.334-346, 2023, https://doi.org/10.31849/zn.v5i2.13245.

P. A. R. Devi and H. Rosyid, “Pemaparan Materi Dasar Pengolahan Citra Digital untuk Upgrade Wawasan Siswa di SMK Dharma Wanita Gresik”, Jurnal Abdi Masyarakat Indonesia (JAMSI), vol.2, no.4, pp.1259-1264, 2022, https://doi.org/10.54082/jamsi.405.




DOI: http://dx.doi.org/10.53567/spirit.v16i2.342

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Muhammad Dzulfahmi Alwi, Ika Seyorini Pradjojowaty, Teguh Arifianto

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

 

Diindeks Oleh:

SPIRIT : Sarana Penunjang Informasi Terkini

Diterbitkan oleh Teknologi Informasi Institut Teknologi dan Bisnis Yadika Pasuruan
Alamat Redaksi: Jl. Bader No.9, Kwangsan, Kalirejo, Kec. Bangil, Pasuruan, Jawa Timur 67153
Telp/Fax: (0343) 742070 , Email : lppm@stmik-yadika.ac.id
Google Maps :  Klik Disini

 Creative Commons License
Karya ini dilisensikan di bawah  Lisensi Internasional Creative Commons Atribusi 4.0 .