View/Open

Author
ALTITTO, DINOVA

Date Published
10 Aug 2026

Advisor
Aji Pamungkas Tri Nurcahyo, S.T., M.Sc.,
Sarah Rahayu, M.T.,

Subject
Teknik Telekomunikasi

Publisher

Perkembangan teknologi transportasi dan pertumbuhan jumlah kendaraan yang pesat berakibat pada meningkatnya pelanggaran lalu lintas, khususnya pada titik-titik krusial seperti Bundaran Asrama Institut Teknologi Sumatera (ITERA). Pengawasan lalu lintas secara konvensional masih bergantung pada pemantauan manual yang kurang efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem Smart CCTV berbasis edge computing menggunakan Raspberry Pi 5 untuk mendeteksi pelanggaran lalu lintas berupa pengendara sepeda motor yang tidak menggunakan helm serta kendaraan yang melawan arah secara real time. Sistem mengintegrasikan algoritma Artificial Intelligence (AI) YOLOv11 Nano (YOLOv11n) untuk deteksi objek dan algoritma Simple Online and Realtime Tracking (SORT) untuk pelacakan multi-objek guna mencegah pendeteksian berulang. Pelatihan model YOLOv11n menghasilkan Precision sebesar 82,2%, Recall sebesar 75,5%, dan mAP50 sebesar 83,8%. Hasil pengujian performa sistem menunjukkan bahwa Raspberry Pi 5 mampu memproses video dengan kecepatan rata-rata 20,25 FPS, latency 87,1 ms, penggunaan CPU 47,98%, serta penggunaan RAM sebesar 9,7%. Evaluasi penghitungan jumlah kendaraan melanggar dibandingkan dengan data ground truth menghasilkan tingkat akurasi sebesar 88,04% (rerata error rate 11,96%). Sistem Smart CCTV yang dikembangkan terbukti efisien, stabil, dan andal dalam memantau serta mendeteksi pelanggaran lalu lintas secara otomatis.

URI
https://repository.itera.ac.id/depan/submission/SB2610130031

Keyword
Pelanggaran Lalu Lintas YOLOv11n SORT Raspberry Pi 5 Smart CCTV