Implementasi Computer Vision untuk Deteksi Truk

Implementation of Computer Vision for Truck Detection

Penulis

  • Bedy Purnama Telkom University
  • Setyorini Setyorini Telkom University
  • Entik Insanudin Telkom University
  • Ismail Ismail Telkom University
  • Fahdi Labib Telkom University
  • Naufal Sayyid Furqoon Telkom University

Kata Kunci:

Computer Vision, Deteksi Truk, Perawatan Infrastruktur, Sistem Pengawasan Kesehatan, Struktur, Teknologi Deteksi Otomatis

Abstrak

Dinas PUPR Provinsi Banten merupakan unsur pelaksanaan Pemerintah Provinsi yang bertanggung jawab dalam bidang pekerjaan umum dan penataan ruang. Truk Over Dimension Dan Over Load (ODOL) diidentifikasi sebagai penyebab banyaknya jembatan rusak. Untuk mengatasi masalah ini, Kementerian Perhubungan Republik Indonesia menyediakan fasilitas jembatan timbang sebagai alat pencatatan dan pengawasan untuk mengendalikan angkutan barang yang melampaui kapasitas. Namun, masih ada pengendara yang mencurangi jembatan timbang, berisiko membahayakan keselamatan pengendara dan infrastruktur jembatan. Oleh karena itu, solusi yang diusulkan adalah penerapan teknologi Computer Vision untuk mendeteksi truk ODOL. Teknologi ini berjanji untuk memberdayakan masyarakat sasar dengan meningkatkan efisiensi pengawasan lalu lintas truk, optimalisasi perawatan infrastruktur, dan meningkatkan keamanan wilayah. Penerapan teknologi ini juga memberikan data dan informasi berharga untuk pengambilan keputusan dan perencanaan strategis, serta berpotensi meningkatkan kapasitas teknologi lokal dan menciptakan peluang ekonomi dan kemitraan di sektor transportasi dan infrastruktur. Kegiatan pengabdian masyarakat ini secara keseluruhan akan memfasilitasi Dinas PUPR Provinsi Banten untuk menciptakan tata kelola yang baik dalam pengelolaan keuangan proyek dan mengawasi kondisi-kondisi struktur terkini dari infratruktur yang sudah terbangun dari proyek-proyek tersebut.

Referensi

DPUPR Banten,"Dinas PUPR Provinsi Banten" , https://dpupr.bantenprov.go.id/

Rajendra. Arya Bagus Kevin, Vaza. Herry, "Isu Over Dimension Over Loading (Odol) Angkutan Logistik dan Konsep Solusi Strategis," Prosiding Konferensi Regional Teknik Jalan, Proceeding KRTJ, 2022, DOI: https://doi.org/10.58674/phpji.vi

Pemerintah Republik Indonesia, "Undang-Undang Nomor 22 Tahun 2009, tentang Lalu Lintas dan Angkutan Jalan", 2009

Direktorat Jenderal Perhubungan Darat, "Surat Edaran Direktur Jenderal Perhubungan Darat nomor SE.02/AJ.108/DRJD/2008, tentang Panduan Batasan Maksimum Perhitungan JBI (Jumlah Berat yang diIzinkan) dan JBKI (Jumlah Berat Kombinasi yang diIzinkan) untuk Mobil Barang, Kendaraan Khusus, Kendaraan Penarik berikut Kereta Tempelan/Kereta Gandengan", 2008

Vaza, H. dan Pasaribu, D.E. 2021, "Keruntuhan Jembatan di Indonesia Kasus-Kasus, Penyebab, dan Pembelajaran. Jakarta", Direktorat Jenderal Bina Marga, 2021

Peraturan Gubernur Banten, “Peraturan Gubernur Banten Nomor 47 Tahun 2019 Tentang Rencana Aksi Daerah Tujuan Pembangunan Berkelanjutan Provinsi Banten 2020-2022,” https://bappeda.bantenprov.go.id/bappeda/lama/upload/2022/Pergub%20SDGs%20Provinsi%20Banten.pdf

Sekretariat Nasional SDGs, " SDGs Metadata", https://sdgs.bappenas.go.id/metadata-indikator-sdgs/, 2024

Jin Liu and Dongquan Zhang. "Research on Vehicle Object Detection Algorithm Based on Improved YOLOv3 Algorithm". Journal of Physics: Conference Series 1575.1 (1st June 2020), p. 012150. issn: 1742-6588, 1742-6596. doi:10.1088/1742-6596/1575/1/012150. url: https://iopscience.iop.org/article/10.1088/1742-6596/1575/1/012150 (visited on 10/01/2024).

Zhenhao Ni et al. "Real-Time Vehicle Detection and Computer Intelligent Recognition through Improved YOLOv4". Journal of Physics: Conference Series 2083.4 (1st Nov. 2021), p. 042006. issn: 1742-6588,1742-6596. doi:10.1088/1742-6596/2083/4/042006. url: https://iopscience.iop.org/article/10.1088/1742-6596/2083/4/042006 (visited on 10/01/2024).

Suni Kumar, Manisha Jailia and Sudeep Varshney. "Improved YOLOv4 Approach: A Real Time Occluded Vehicle Detection". International Journal of Computing and Digital Systems 12.3 (6th Aug. 2022), pp. 489–497. issn: 2210-142X. doi:10.12785/ijcds/120139. url: https://journal.uob.edu.bh/handle/123456789/4600 (visited on 10/01/2024)

Xiuxin Ma et al. "YOLOv3 Tiny Vehicle: A New Model for Real-TimeVehicle Detection". Third International Conference on Computer Science and Communication Technology (ICCSCT 2022). International Conference on Computer Science and Communication Technology (ICCSCT 2022). Ed. by Yingfa Lu and Changbo Cheng. Beijing, China: SPIE, 29th Dec. 2022, p. 35. isbn: 978-1-5106-6124-0. doi: 10.1117/12.2661789.

Yurui WANG, Guoping YANG and Jingbo GUO. "Vehicle Detection in Surveillance Videos Based on YOLOv5 Lightweight Network". Bulletin of the Polish Academy of Sciences Technical Sciences (15th Nov. 2023).

##submission.downloads##

Diterbitkan

2024-02-27

Terbitan

Bagian

Articles