Nazhirah, Nathania Ratu (2026) Identifikasi Risiko Tabrakan Kendaraan Menggunakan Model YOLOv8n dan DeepSORT. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (92kB)
	Text Abstrak.pdf Download (158kB)
	Text Bab I.pdf Download (165kB)
	Text Daftar Pustaka.pdf Download (173kB)
	Text Full-Text.pdf Restricted to Registered users only Download (4MB)

Abstract

Peningkatan jumlah kendaraan di kawasan perkotaan menyebabkan meningkatnya kepadatan lalu lintas yang berpotensi menimbulkan konflik dan kecelakaan. Oleh karena itu, diperlukan suatu sistem yang mampu mendeteksi kendaraan, melacak pergerakannya, serta mengidentifikasi tingkat risiko tabrakan secara otomatis sebagai bentuk peringatan dini. Penelitian ini bertujuan mengimplementasikan model YOLOv8n dan algoritma DeepSORT untuk mendeteksi dan melacak kendaraan serta mengidentifikasi tingkat risiko tabrakan berdasarkan parameter jarak antar kendaraan, kecepatan relatif, trajectory overlap, dan Time To Collision (TTC) pada video lalu lintas. Penelitian menggunakan pendekatan computer vision dengan data berupa video hasil perekaman langsung pada beberapa ruas jalan dan area persimpangan di Kota Lhokseumawe. Tahapan penelitian meliputi deteksi kendaraan menggunakan YOLOv8n, pelacakan kendaraan menggunakan DeepSORT, perhitungan parameter risiko, serta identifikasi tingkat risiko ke dalam kategori SAFE, WARNING, dan DANGER berdasarkan nilai ambang yang telah ditentukan. Hasil penelitian menunjukkan bahwa model YOLOv8n memperoleh nilai Precision sebesar 0,780, Recall sebesar 0,704, mAP@50 sebesar 0,747, dan mAP@50-95 sebesar 0,519, sedangkan algoritma DeepSORT mampu mempertahankan identitas (Track ID) kendaraan secara konsisten selama proses pelacakan. Berdasarkan hasil pengujian terhadap 2.683 pasangan kendaraan, sistem berhasil mengidentifikasi 1.719 pasangan (64,07%) dalam kategori SAFE, 172 pasangan (6,41%) dalam kategori WARNING, dan 792 pasangan (29,52%) dalam kategori DANGER. Hasil tersebut menunjukkan bahwa integrasi YOLOv8n, DeepSORT, serta analisis parameter jarak antar kendaraan, kecepatan relatif, trajectory overlap, dan Time To Collision (TTC) mampu menghasilkan sistem identifikasi tingkat risiko tabrakan berbasis video analytics yang bekerja secara real-time pada kondisi lalu lintas di Kota Lhokseumawe dan berpotensi mendukung pengembangan sistem peringatan dini (early warning system) untuk meningkatkan keselamatan lalu lintas.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Nathania Ratu Nazhirah
Date Deposited:	07 Sep 2026 07:22
Last Modified:	07 Sep 2026 07:22
URI:	https://rama.unimal.ac.id/id/eprint/22529

Actions (login required)

View Item