Deteksi Kendaraan dengan Metode YOLO

Authors

  • Bayu Prayoga Universitas Pamulang
  • Borneo Paradis Anwar Universitas Pamulang
  • Ichsan Arrizqi Universitas Pamulang
  • Teguh Munanzar Aliek Universitas Pamulang
  • Perani Rosyani Universitas Pamulang

Keywords:

Deteksi kendaraan, Metode YOLO, Deteksi objek real-time, Kecepatan eksekusi, Akurasi

Abstract

Deteksi kendaraan merupakan komponen penting dalam berbagai sistem berbasis visi komputer, termasuk manajemen lalu lintas, sistem identifikasi kendaraan, serta pengembangan teknologi kendaraan cerdas. Salah satu pendekatan yang banyak digunakan untuk tugas deteksi objek secara real-time adalah algoritma YOLO (You Only Look Once), yang dikenal karena efisiensi dan kecepatan pemrosesannya. Penelitian ini menyajikan studi tinjauan literatur mengenai penerapan algoritma YOLO dalam mendeteksi kendaraan pada data citra maupun video. Algoritma YOLO bekerja dengan memprediksi lokasi objek dan kategorinya secara simultan dalam satu proses, sehingga mampu mempercepat waktu inferensi tanpa melalui tahap pencarian kandidat objek secara terpisah. Tujuan dari penelitian ini adalah mengkaji performa algoritma YOLO dalam deteksi kendaraan, termasuk kelebihan serta keterbatasannya berdasarkan hasil penelitian terdahulu. Hasil tinjauan menunjukkan bahwa YOLO mampu memberikan kinerja yang baik dalam mendeteksi kendaraan dengan waktu komputasi yang singkat dan tingkat akurasi yang kompetitif. Metode ini telah banyak diadopsi dalam berbagai aplikasi yang membutuhkan respons cepat. Meskipun demikian, beberapa studi melaporkan bahwa YOLO masih menghadapi tantangan dalam mengenali objek berukuran kecil serta objek yang saling berdekatan. Oleh karena itu, penelitian selanjutnya disarankan untuk mengembangkan atau memodifikasi arsitektur YOLO guna meningkatkan kemampuan deteksi kendaraan secara lebih optimal.

References

Aldy Prasetya, Anggita Dewi Cahyani, Harits Chandra Dewata, & Perani Rosyani. (2022). Sistem Pakar Untuk Mendiagnosa Kerusakan Mata Akibat Softlens Menggunakan Metode Forward Chaining. BISIK : Jurnal Ilmu Komputer, Hukum, Kesehatan Dan Sosial Humaniora, 1(2), 134–139. Retrieved from https://journal.mediapublikasi.id/index.php/bisik/article/view/330.

Amwin, A. (2021). Deteksi Dan Klasifikasi Kendaraan Berbasis Algoritma You Only Look Once (YOLO).Universitas Islam Indonesia. https://dspace.uii.ac.id/handle/123456789/34154

Fani Amanatul Khaliq, Fanny Amanda Ariestia, Imam Arkansyah, Rizky Aditya Suryo Leksono, & Perani Rosyani. (2022). Perbandingan Metode Fuzzy Mamdani, Sugeno dan Tsukamoto dalam Mendiagnosa Penyakit Diabetes Melitus. BISIK : Jurnal Ilmu Komputer, Hukum, Kesehatan Dan Sosial Humaniora, 1(1),62–66.Retrieved from https://journal.mediapublikasi.id/index.php/bisik/article/view/915

Faqih, A., Mutmainnah, K., & Muthiah, A. R. (2021). Seperation: Deteksi Kendaraan Pada Citra Digital Dengan Menggunakan Algoritma YOLO (You Only Look Once). Jurnal Teknik Informatika dan Elektro. Diakses dari http://jurnal.ugp.ac.id/index.php/JURTIE/article/view/426

Jupiyandi Saniputra, Pratama, F. R., & Yoga Dharmawan. (2019). Pengembangan Deteksi Citra Mobil Untuk Mengetahui Jumlah Tempat Parkir Menggunakan Cuda Dan Modified Yolo Development of Car Image Detection To Find Out the Number of Parking Space Using Cuda and Modified Yolo. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 6(4), 413–419. https://doi.org/10.25126/jtiik.201961275

Jupri, G. D., Rosandi, & Perani Rosyani. (2022). Implementasi Artificial Intelligence Pada Sistem Manufaktur Terintegrasi: Implementasi Artificial Intelligence. BISIK : Jurnal Ilmu Komputer, Hukum, Kesehatan Dan Sosial Humaniora, 1(2), 140–143. Retrieved from https://journal.mediapublikasi.id/index.php/bisik/article/view/341

Khairunnas, K., Yuniarno, E. M., & Zaini, A. (2021). Pembuatan Modul Deteksi Objek Manusia Menggunakan Metode YOLO untuk Mobile Robot. Jurnal Teknik ITS, 10(1). https://doi.org/10.12962/j23373539.v10i1.61622

Primasdika Yunia Putra, Arifianto, A. S., Zilvanhisna Emka Fitri, & Trismayanti Dwi Puspitasari. (2023). Deteksi Kendaraan Truk pada Video Menggunakan Metode Tiny-YOLO v4. Jurnal Informatika Polinema, 9(2), 215–222. https://doi.org/10.33795/jip.v9i2.1243

Rizkatama, G. N., Nugroho, A., & Suni, A. F. (2021). Sistem Cerdas Penghitung Jumlah Mobil untuk Mengetahui Ketersediaan Lahan Parkir berbasis Python dan YOLO v4. Edu Komputika Journal, 8(2), 91–99. https://doi.org/10.15294/edukomputika.v8i2.47865

Rosyani, P., & Retnawati, R. (2023). Ekstraksi Fitur Wajah Menggunakan Metode Viola Jones dengan Tools Cascade Detector. JURIKOM (Jurnal Riset Komputer), 10(2), 633-639.

Rosyani, P., Suhendi, A., Apriyanti, D. H., & Waskita, A. A. (2021). Color Features Based Flower Image Segmentation Using K-Means and Fuzzy C-Means. Building of Informatics, Technology and Science (BITS), 3(3), 253-259.

Wirandi, D. S., Permadi, E. D., Prasetio, D., Rudin, M., & Rosyani, P. (2022). Kecerdasan Buatan Alat Pendeteksi Maling Berbasis Arduino Menggunakan Sensor Ultrasonic Melalui SMS. Scientia Sacra: Jurnal Sains, Teknologi dan Masyarakat, 2(2), 841-849.

Downloads

Published

2025-12-22

How to Cite

Prayoga, B., Anwar, B. P., Arrizqi, I., Aliek, T. M., & Rosyani, P. (2025). Deteksi Kendaraan dengan Metode YOLO. AI Dan SPK : Jurnal Artificial Intelligent Dan Sistem Penunjang Keputusan, 3(2), 177–185. Retrieved from https://jurnalmahasiswa.com/index.php/aidanspk/article/view/3274

Most read articles by the same author(s)

1 2 3 > >> 

Similar Articles

1 2 3 4 5 6 7 8 9 10 > >> 

You may also start an advanced similarity search for this article.