Klasifikasi Jenis Kendaraan Pada Lalu Lintas Tol Dalam Kota Menggunakan Algoritma SVM dan YOLOv8

Wiyadhika, Priesma (2026) Klasifikasi Jenis Kendaraan Pada Lalu Lintas Tol Dalam Kota Menggunakan Algoritma SVM dan YOLOv8. Diploma thesis, Universitas Nasional.

	Text Cover .pdf Download (1MB)
	Text BAB I.pdf Download (515kB)
	Text BAB II.pdf Download (978kB)
	Text BAB III.pdf Download (570kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (485kB)
	Text Lampiran.pdf Download (841kB)

Abstract

Pemantauan lalu lintas pada ruas jalan tol dalam kota Jakarta masih bergantung
pada pengamatan visual melalui kamera CCTV oleh operator, sehingga kurang
efisien dan berpotensi menimbulkan kesalahan. Oleh karena itu, penelitian ini
mengembangkan sistem pemantauan lalu lintas otomatis berbasis deteksi dan
klasifikasi kendaraan.
Penelitian ini menggunakan kombinasi algoritma YOLOv8 dan Support Vector
Machine (SVM). YOLOv8 digunakan untuk mendeteksi kendaraan pada citra atau
video lalu lintas, sedangkan SVM digunakan untuk mengklasifikasikan kendaraan
ke dalam Golongan 1 dan Golongan 2 berdasarkan fitur bounding box hasil deteksi.
Dataset diperoleh dari rekaman video lalu lintas pada ruas tol dalam kota Jakarta
dengan variasi waktu pengambilan data.
Hasil pengujian menunjukkan bahwa sistem klasifikasi kendaraan yang dibangun
mampu mencapai akurasi sekitar 88% pada skenario pembagian data 80/20. Selain
itu, pada skenario pembagian data 70/15/15 diperoleh performa terbaik dengan
akurasi mencapai 99%, serta nilai precision, recall, dan F1-score yang tinggi dan
seimbang. Evaluasi lebih lanjut menunjukkan bahwa model memiliki performa
klasifikasi yang cukup stabil pada berbagai kondisi pencahayaan. Hasil ini
menunjukkan bahwa kombinasi YOLOv8 dan SVM mampu mengidentifikasi
golongan kendaraan secara efektif menggunakan data rekaman lalu lintas.

Item Type:	Thesis (Diploma)
Subjects:	H Social Sciences > HE Transportation and Communications Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Irna Irna Yunita
Date Deposited:	08 May 2026 07:19
Last Modified:	08 May 2026 07:19
URI:	https://repository.unas.ac.id/id/eprint/15834

Actions (login required)

View Item