Deteksi Pelanggaran Lalu Lintas Tidak Menggunakan Helm Dengan YOLO V4 Pada Sistem ETLE

Abstract

Penelitian ini akan berfokus pada deteksi tidak menggunakan helm berbasis deep learning dengan model YOLO (You Only Look Once) versi 4 dengn arsitektur Convolutional Neural Network (CNN) ,adapun source videonya menggunakan IP Camera yang di pasang pada mobil patroli milik polisi lalu lintas, Selain itu Polri juga dilengkapi dengan E-TLE (Electronic Traffic Law Enforcment) untuk penindakan berbasis digital tanpa harus berinterakri dengan masyarakat. yang nantinya bisa digunakan untuk penindakan secara mobile. Kemudian untuk dataset akan diambil dari rekaman video yang direkam saat mobil berjalan dijalur yang banyak pelanggar tidak menggunakan helm. YOLO (You Only Look Once) pertama kali diciptakan oleh Joseph Redmon pada tahun 2015 adalah system deteksi objek secara real time berdasarkan CNN (Convolutional Neural Network). AlgoritmaObjectDetectionYOLOsudahmasukkeversikeempat.Keberhasilandalamversi sebelumnya membuat banyak developer dan komunitas sangat tertarik dan tidak sabar ingin mencoba teknologi terbaru dan hasil yang pasti lebih cepat dan akurat dari versi sebelumnya. YOLOv4dirilispadatanggal24April2020oleh3orangauthors,yaituAlexeyBochkovskiy,yang membangun YOLO versi windows, Chien-Yao Wang, and Hong-Yuan Mark Liao. Dan penemu YOLO sendiri Joseph Redmon sudah tidak melanjutnya pengembangan YOLO itu sendiri namun YOLO masih terus berkembang sampai saatini. Berdasarkan hasil pembahasan dan training dataset sistem yang telah dilakukan, dapatdisimpulkan bahwa sistem dapat mendeteksi dan bekerja sesuai yang diinginkan. YOLO v4 yang digunakan sebagai metode yang menunjang sistem dapat berjalan dan diterapkan dengan baik sesuai yang diharapkan.