Klasifikasi Kenyamanan Bus Rapid Transit Institut Teknologi Sumatera Menggunakan YOLOV7 dan Thresold-Based
Dalam era modern dan globalisasi, teknologi telah menjadi unsur tak terhindarkan dalam kehidupan manusia. Kemajuan teknologi telah memberikan kontribusi positif dalam berbagai bidang kehidupan, termasuk dalam peningkatan kualitas layanan transportasi umum, seperti Bus Rapid Transit (BRT) di ITERA. Keterbatasan jumlah bus menyebabkan masalah kepadatan penumpang, antrean panjang, dan kenyamanan yang kurang. Kondisi ini diperparah oleh rentang jadwal perkuliahan yang singkat dan perluasan gedung perkuliahan di beberapa lokasi, memaksa mahasiswa untuk sering berpindah. Penelitian ini bertujuan untuk menyelesaikan permasalahan tersebut dengan membangun model penghitungan penumpang dan klasifikasi kenyamanan bus menggunakan metode You Only Look Once (YOLOv7) dan algoritma Threshold-Based Classification. Pengujian dilakukan dalam tiga skenario yang berbeda, yang menggambarkan skala kenyamanan bus. Hasil pengujian menunjukkan bahwa model YOLOv7 berhasil mendeteksi penumpang dengan akurasi sebesar 86% pada skenario 1, 79% pada skenario 2, dan 70% pada skenario 3. Sementara itu, klasifikasi kenyamanan bus menggunakan algoritma Threshold-Based Classification mendapatkan akurasi sebesar 65%. Tingkat kepadatan penumpang memengaruhi akurasi model, terutama karena keterbatasan satu kamera pada satu lokasi yang menyebabkan beberapa penumpang tidak terdeteksi karena terhalang. Kualitas gambar atau video juga berdampak, terutama saat kamera berguncang. Perbaikan diusulkan melibatkan penyempurnaan model, penggunaan kamera lebih canggih dan lebih dari satu lokasi, serta penambahan dataset dengan kondisi aktual. Upaya ini diperlukan untuk meningkatkan kinerja model dalam mengenali situasi tidak nyaman dan meningkatkan akurasi keseluruhan.
URI
https://repo.itera.ac.id/depan/submission/SB2401120030
Keyword
YOLOv7 Threshold-Based Classification Klasifikasi Kenyamanan Bus