Penerapan Algoritma Yolo V7 Sebagai Dekteksi Kecelakaan Pada Lalu Lintas

Peningkatan jumlah penduduk dalam negara berkembang memicu mobilitas masyarakat yang lebih tinggi di daerah dan kota. Namun, jika sarana dan prasarana lalu lintas tidak memadai, maka kecelakaan lalu lintas sering terjadi, menimbulkan kerugian yang signifikan. Kecelakaan ini menimbulkan kerugian material dan dapat mengakibatkan korban yang meninggal dunia. YOLO (You Only Look Once) framework telah meraih ketenaran karena keseimbangannya yang sangat baik antara kecepatan dan akurasi. Fitur ini memungkinkan pengenalan objek yang efisien dan handal dalam gambar. YOLO (You Only Look Once) adalah algoritma deteksi objek yang berbasis Convolutional Neural Network (CNN). Dalam konteks YOLO telah terbukti unggul dibandingkan dengan model Mask R-CNN dan SSD. Karena keunggulan ini, YOLO digunakan untuk deteksi kecelakaan. YOLO memiliki tingkat presisi sebesar 95.75%, mengindikasikan kemampuannya untuk mengidentifikasi objek dengan tingkat keakuratan yang tinggi. Tingkat recall sebesar 93.60% menunjukkan bahwa model dapat mendeteksi sebagian besar objek yang benar-benar ada dalam dataset. Skor F1 sebesar 0.94 menunjukkan bahwa model memiliki keseimbangan yang baik antara presisi dan recall. Selain itu, mAP@0.5 mencapai 95.55%, yang menunjukkan kemampuan model dalam mengidentifikasi objek dengan baik saat menggunakan ambang batas IoU sebesar 0.5.