Narrative Review: Penerapan Kecerdasan Buatan untuk Sistem Deteksi Kendaraan di Smart City: Studi Mengenai YOLOv8 dan Optical Character Recognition
DOI:
https://doi.org/10.52434/jft.v4i2.41890Kata Kunci:
Deteksi kendaraan, Kota pintar, Kecerdasan buatan, OCR, YOLO.Abstrak
Semakin padatnya jumlah kendaraan di kawasan perkotaan dan rumitnya lalu lintas mendorong adanya pendekatan baru dalam manajemen lalu lintas yang efektif. Kecerdasan buatan (AI) menjadi salah satu solusi yang berpotensi dalam mewujudkan kota pintar, khususnya melalui sistem deteksi kendaraan otomatis. Artikel ini mengulas peran teknologi AI, seperti YOLOv8 dan Optical Character Recognition (OCR), dalam mendeteksi kendaraan secara real-time serta mendukung penegakan aturan lalu lintas secara otomatis. Artikel ini menggunakan metode Narrative Review, di mana data dikumpulkan dari basis data ilmiah seperti IEEE Xplore dan Google Scholar. Artikel dipilih berdasarkan relevansi terhadap topik, menggunakan kata kunci seperti "Artificial Intelligence," "Vehicle Detection," "Smart City," "YOLO," dan "Optical Character Recognition (OCR)." Hanya artikel yang diterbitkan dalam lima tahun terakhir (2019–2024) dan memenuhi kriteria relevansi yang diikutsertakan. Literatur yang terpilih kemudian dianalisis untuk mengevaluasi efektivitas teknologi yang digunakan serta tantangan teknis yang mungkin dihadapi. Hasil kajian menunjukkan bahwa YOLOv8 sangat andal dalam mendeteksi kendaraan dengan akurat dan cepat, sementara OCR memungkinkan identifikasi plat nomor kendaraan yang penting dalam kebijakan seperti e-tilang. Penerapan AI juga terbukti meningkatkan keselamatan di zona aman sekolah dengan mendeteksi kecepatan kendaraan dan memberikan peringatan kepada pengemudi yang melanggar batas. Meski begitu, tantangan seperti pengaruh cuaca ekstrem dan penurunan akurasi pada jarak jauh menjadi kendala yang perlu diatasi. Dengan infrastruktur yang memadai, AI berpotensi menjadi komponen utama dalam menciptakan sistem lalu lintas yang responsif, aman, dan berkelanjutan untuk kota pintar di masa depan.
Referensi
A. . I. I. Paramitha and I Nyoman Mahayasa Adiputra, “Deteksi Kendaraan Pada Lalu Lintas Menggunakan Artificial Intelligence Untuk Mendukung Denpasar Smart City,” J. Inform. Teknol. dan Sains, vol. 4, no. 4, pp. 353–358, 2022, doi: 10.51401/jinteks.v4i4.2074.
R. M. Taufiq, S. Sunanto, and Y. Rizki, “Integrated Smart Traffic Control System Menuju Pekanbaru Sebagai Smart City,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 7, no. 1, pp. 67–74, 2020, doi: 10.33330/jurteksi.v7i1.942.
M. I. Jauhari and R. Wulanningrum, “Sistem Deteksi Kendaraan Menggunakan StreamLit Metode Yolo,” vol. 8, pp. 1331–1336, 2024.
W. P. N. Putra, A. I. Pradana, and Nurchim, “Implementasi Sistem Penghitungan Volume Kendaraan Menggunakan,” J. Fasilkom, vol. 14, no. 2, pp. 443–450, 2024.
D. C. Zulkarnain and R. B. Aji, “Smart City , Konsep Kota Pintar Deteksi Objek Pada CCTV Lalu Lintas di Kota Nganjuk,” Progr. Stud. Tek. Inform., vol. 3, pp. 169–174, 2024.
A. R. Hanif, E. Nasrullah, and F. X. A. Setyawan, “Deteksi Karakter Plat Nomor Kendaraan Dengan Menggunakan Metode Optical Character Recognition (Ocr),” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 1, pp. 109–117, 2023, doi: 10.23960/jitet.v11i1.2897.
A. T. Herdiansyah, A. A. Pratama, I. Octavia, R. A. S. Baehaqi, A. Saifudin, and Yulianti, “Penerapan Sistem Kecerdasan Buatan pada Otomatisasi Pendeteksian Plat Nomor Ganjil Genap Kendaraan,” J. Inform. Univ. Pamulang, vol. 6, no. 3, pp. 555–559, 2021, [Online]. Available: http://openjournal.unpam.ac.id/index.php/informatika555
S. Z. Mutianniza and U. Suwardoyo, “Aplikasi Kamera Cerdas Untuk Deteksi Kendaraan Menggunakan Library Tensorflow,” J. Sintaks Log., vol. 3, no. 3, pp. 61–68, 2023, doi: 10.31850/jsilog.v3i3.2589.
R. E. Putri, “Rancang Bangun Sistem Deteksi Kecepatan Kendaraan di Wilayah Zona Selamat Sekolah (ZoSS) Berbasis Mini PC,” JITCE (Journal Inf. Technol. Comput. Eng., vol. 5, no. 01, pp. 41–51, 2021, doi: 10.25077/jitce.5.01.41-51.2021.
D. Dwi Oktavianus, B. Urip Pandiangan, M. Daffa Rian Fahlefi, and P. Rosyani, “Analisis Deteksi dan Penghitungan Kendaraan di Jalan Tol dengan OpenCV-Python Menggunakan Metode Image Thresholding dan Contours,” J. Artif. Intel. dan Sist. Penunjang Keputusan, vol. 2, no. 2, pp. 112–118, 2024.
I. Maryati, “Website Perpustakaan ‘Library HUB’ dengan Pencarian Buku Berdasarkan Gambar Menggunakan Google MLKit,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 4, pp. 1821–1831, 2021, doi: 10.35957/jatisi.v8i4.1269.
A. A. M. Suradi, M. F. Rasyid, and N. Nasaruddin, “Sistem Perhitungan Jumlah Kendaraan Berbasis Computer Vision,” Pros. Semin. Ilm. Sist. Inf. Dan Teknol. Inf., vol. XI, no. 1, pp. 89–97, 2022.
F. Jupiter, E. S. Negara, Y. N. Kunang, and M. I. Herdiansyah, “Implementasi Algoritma CNN dan YOLO untuk Mendeteksi Jenis Kendaraan pada Jalan Raya,” Explor. J. Sist. Inf. dan Telemat., vol. 14, no. 2, p. 110, 2023, doi: 10.36448/jsit.v14i2.3259.
Firmansyah Aryaputra Adrian, Effendie Rusdhianto, and Santoso Ari, “Deteksi Halangan Menggunakan Metode Stereo R-CNN pada Mobil Otonom,” J. Tek. Its , vol. 9, no. 2, pp. 1–7, 2020.
F. Marchellyn et al., “Realsense Depth Camera Untuk Pengukuran Jarak Pada Mobil Autonom Roda Tiga,” vol. 11, no. 5, pp. 5508–5511, 2024.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Fuse-teknik Elektro
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Syarat yang harus dipenuhi oleh Penulis sebagai berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
