SMART TRAFFIC LIGHT SYSTEM DENGAN MENGGUNAKAN COMPUTER VISION UNTUK MENDETEKSI KEPADATAN KENDARAAN BERBASIS MICROCONTROLLER

Dimesa, Muhammad Khadlel Risanda (2025) SMART TRAFFIC LIGHT SYSTEM DENGAN MENGGUNAKAN COMPUTER VISION UNTUK MENDETEKSI KEPADATAN KENDARAAN BERBASIS MICROCONTROLLER. Sarjana thesis, Universitas Putra Indonesia YPTK.

[img]
Preview
Text
Skripsi_21101152620033_Muhammad Khadlel Risanda Dimesa_ABSTRACT.pdf

Download (230kB) | Preview
[img]
Preview
Text
Skripsi_21101152620033_Muhammad Khadlel Risanda Dimesa_BAB I.pdf

Download (309kB) | Preview
[img]
Preview
Text
Skripsi_21101152620033_Muhammad Khadlel Risanda Dimesa_DAFTAR PUSTAKA.pdf

Download (259kB) | Preview
[img] Text
Skripsi_21101152620033_Muhammad Khadlel Risanda Dimesa_Full Text.pdf
Restricted to Repository staff only

Download (4MB)

Abstract

Kemacetan lalu lintas merupakan permasalahan utama di kota-kota besar akibat peningkatan jumlah kendaraan yang tidak sebanding dengan kapasitas jalan. Sistem lampu lalu lintas konvensional tidak mampu menyesuaikan waktu sinyal berdasarkan kondisi lalu lintas aktual. Penelitian ini bertujuan untuk mengembangkan sistem lampu lalu lintas cerdas (smart traffic light) yang mampu mendeteksi kepadatan kendaraan secara real-time menggunakan metode Computer Vision berbasis algoritma YOLO (You Only Look Once). Sistem ini menggunakan webcam sebagai sensor visual dan dikendalikan oleh mikrokontroler Arduino Mega 2560. Data visual yang ditangkap diolah menggunakan library OpenCV pada platform Python untuk menghitung jumlah kendaraan, kemudian mengatur durasi lampu lalu lintas secara adaptif berdasarkan tingkat kepadatan. Pengujian menunjukkan bahwa sistem mampu mendeteksi dan menyesuaikan waktu lampu dengan baik pada berbagai skenario kepadatan kendaraan di persimpangan jalan. Dengan pendekatan ini, efisiensi lalu lintas dapat ditingkatkan dan kemacetan dapat dikurangi secara signifikan.

Item Type: Thesis (Sarjana)
Subjects: 0 Research > Ilmu Komputer > Rekayasa Perangkat Lunak
0 Research > Ilmu Komputer > Artificial Intelligence
Divisions/ Fakultas/ Prodi: Fakultas Ilmu Komputer > Sistem Komputer (S1)
Depositing User: Fani Alivia S.S.i
Date Deposited: 17 Jul 2026 03:21
Last Modified: 17 Jul 2026 03:21
URI: http://repository.upiyptk.ac.id/id/eprint/15050

Actions (login required)

View Item View Item