PENERAPAN TEKNOLOGI COMPUTER VISION BERBASIS CONVOLUTIONAL NEURAL NETWORKS (CNN) DALAM DETEKSI KECELAKAAN LALU LINTAS MENGGUNAKAN CCTV UNTUK OPTIMALISASI TANGGAP DARURAT

PENERAPAN TEKNOLOGI COMPUTER VISION BERBASIS CONVOLUTIONAL NEURAL NETWORKS (CNN) DALAM DETEKSI KECELAKAAN LALU LINTAS MENGGUNAKAN CCTV UNTUK OPTIMALISASI TANGGAP DARURAT RAKA GIAN ADITYA ASBATH Primary Author mixed material bibliography BANDUNG TEKNIK INFORMATIKA UNLA 2025 monographic id INDONESIA BAIK Kecelakaan lalu lintas di Indonesia meningkat pesat dan masih bergantung pada pelaporan manual, sehingga memerlukan sistem deteksi otomatis yang cepat dan akurat. Kondisi ideal yang diinginkan adalah pemantauan real-time dari rekaman CCTV dengan klasifikasi tingkat keparahan kecelakaan dan notifikasi langsung ke layanan darurat. Penelitian ini mengembangkan model Computer Vision berbasis Convolutional Neural Networks (CNN)—YOLOv11n—dengan teknik Transfer Learning pada dataset gabungan dari Kaggle dan ekstraksi frame CCTV. Metode pengembangan meliputi pre-processing (normalisasi, augmentasi), pelatihan 50 epoch, dan integrasi sistem menggunakan Laravel (backend), Flask API (deteksi), serta Mailtrap/Twilio untuk notifikasi email dan WhatsApp. Hasil pengujian menunjukkan presisi dan recall ~0,85 serta mAP@0.5 = 0,85; sistem memproses video rata-rata 1 menit 19 detik dan berhasil mengirim notifikasi real-time ( Convolutional Neural Network, You Only Look Once, NONE Repository Universitas Langlangbuana Sistem Repository Elektronik Skripsi, Tesis, Desertasi dan Penelitian Dosen Universitas Langlangbuana TF 210036 My Library COVER LEMBAR PENGESAHAN ABSTRAK DAFTAR ISI BAB I BAB II BAB V DAFTAR PUSTAKA Cover_RAKA_GIAN_ADITYA_ASBATH.jpg.jpg 3841 2025-09-01 14:38:35 2025-09-01 14:39:06 machine generated