RANCANG BANGUN APLIKASI MONITORING PELANGGARAN LALU LINTAS DETEKSI HELM OTOMATIS
DOI:
https://doi.org/10.36595/jire.v9i1.2012Keywords:
computer vision, YOLOv8, helmet detection, traffic monitoring, real-time object detectionAbstract
Tingginya pelanggaran penggunaan helm pada pengendara sepeda motor berkontribusi terhadap fatalitas kecelakaan lalu lintas. Pengawasan manual dinilai kurang efisien sehingga dibutuhkan solusi berbasis teknologi yang mampu melaksanakan pemantauan secara otomatis dan real-time. Oleh karena itu, penelitian ini merancang dan mengembangkan aplikasi monitoring pelanggaran lalu lintas berbasis deteksi penggunaan helm menggunakan algoritma YOLOv8 dengan sumber input video dari kamera smartphone. Metode yang digunakan merupakan pendekatan pengembangan sistem dengan model prototyping yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian dan evaluasi. Dataset diperoleh dari sumber publik dan data lapangan, kemudian melalui tahap preprocessing dan pelatihan model menggunakan parameter tertentu. Hasil penelitian menunjukkan bahwa model mengalami peningkatan performa yang signifikan, dengan nilai mAP50 mencapai 0,945 pada epoch ke-30. Selain itu, sistem mampu mendeteksi penggunaan helm secara real-time serta menyimpan bukti pelanggaran dalam bentuk snapshot dan timestamp. Meskipun demikian, masih terdapat kesalahan deteksi yang dipengaruhi oleh kondisi lingkungan. Secara keseluruhan, sistem yang dikembangkan memiliki potensi sebagai solusi monitoring lalu lintas yang lebih efektif, fleksibel, dan ekonomis.
Downloads
References
[1] U. U. Deshpande et al., “Computer-vision based automatic rider helmet violation detection and vehicle identification in Indian smart city scenarios using NVIDIA TAO toolkit and YOLOv8,” Front. Artif. Intell., vol. 8, 2025, doi: 10.3389/frai.2025.1582257.
[2] Nadia Hanifa Febriana, “Analysis of Helmet Detection on Motor Drivers to Detect Traffic Violations Using the You Only Look Once Method (Yolov4),” Jurnal Multidisiplin Madani, vol. 3, no. 7, pp. 1451–1460, Jul. 2023, doi: 10.55927/mudima.v3i7.4931.
[3] J. Prakash-Borah, P. Devnani, S. Kumar-Das, A. Vetagiri, and P. Pakray, “Real-Time Helmet Detection and Number Plate Extraction Using Computer Vision,” Computacion y Sistemas, vol. 28, no. 1, pp. 41–53, 2024, doi: 10.13053/CyS-28-1-4906.
[4] L. Liu et al., “Deep Learning for Generic Object Detection: A Survey,” Int. J. Comput. Vis., vol. 128, no. 2, pp. 261–318, Feb. 2020, doi: 10.1007/s11263-019-01247-4.
[5] Y. Said et al., “AI-Based Helmet Violation Detection for Traffic Management System,” CMES - Computer Modeling in Engineering and Sciences, vol. 141, no. 1, pp. 733–749, 2024, doi: 10.32604/cmes.2024.052369.
[6] M. Andika Anjas Syaputra, A. Voutama, J. H. Ronggo Waluyo, T. Timur, and J. Barat, “RANCANG BANGUN APLIKASI PEMESANAN CUCI MOTOR & MOBIL BERBASIS WEBSITE,” JIRE (Jurnal Informatika & Rekayasa Elektronika), vol. 7, no. 1, 2024.
[7] Y. Galahartlambang, T. Khotiah, Z. Fanani, M. Bastian, and D. Rahmat, “PENGENALAN PLAT NOMOR KENDARAAN REAL-TIME PADA KONDISI GELAP DAN HUJAN MENGGUNAKAN DEEP LEARNING,” JIRE, vol. 8, no. 1, 2025.
[8] T. Gayathri et al., “A Deep Learning-Based System to Detect Triple Riding and Helmet Violations Through CCTV Webcam,” 2025, pp. 330–343. doi: 10.2991/978-94-6463-700-7_27.
[9] N. Ainun, K. Dira Pasongko, A. Khairunnisa, and S. Aras, “Deteksi Penggunaan Safety Helmet Menggunakan YOLOv5,” vol. 7, no. 2, pp. 74–78, 2023.
[10] I. R. Ilham and F. Utaminingrum, “Deteksi Helm untuk Keamanan Pengendara Sepeda Motor dengan Metode CNN (Convolutional Neural Network) menggunakan Raspberry Pi,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 11, pp. 4734–4739, 2021.
[11] H. A. Reswara, B. Priyatna, A. Hananto, and T. Tukino, “Implementasi Deteksi Objek Penggunaan Helm Dengan Metode YOLOv10,” Jurnal Minfo Polgan, vol. 14, no. 1, pp. 1380–1387, Jul. 2025, doi: 10.33395/jmp.v14i1.15010.
[12] Samuel Orief Rosario et al., “Sistem Deteksi Penggunaan Helm Pada Pengendara Sepeda Motor di Indonesia Menggunakan Perbandingan Model YOLOv8 dan RT-DETR,” Jurnal Teknik Informatika dan Teknologi Informasi, vol. 5, no. 3, pp. 321–338, Dec. 2025, doi: 10.55606/jutiti.v5i3.6314.
[13] Mr. S. Suresh et al., “Traffic Violation Detection Using Deep Learning,” International Research Journal on Advanced Engineering and Management (IRJAEM), vol. 3, no. 04, pp. 1359–1363, Apr. 2025, doi: 10.47392/irjaem.2025.0221.
[14] Bagus Ageng Alfahri et al., “Penerapan Metode Prototyping pada Pengembangan Aplikasi ‘We Listen We Don’t Judge’ untuk Analisis Tautan dan Pemberian Saran Otomatis Berbasis Web,” Neptunus: Jurnal Ilmu Komputer Dan Teknologi Informasi, vol. 3, no. 3, pp. 55–62, Jun. 2025, doi: 10.61132/neptunus.v3i3.899.
[15] M. I. Saputri et al., “Penerapan Metode Prototype Dalam Perancangan Sistem Informasi Service Pada Bengkel Sido Motor Berbasis Website,” Jurnal Teknik Informatika dan Komputer, vol. 4, no. 2, pp. 39–47, 2024.
Downloads
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
