KLASIFIKASI KENDARAAN BERMOTOR MENURUT SURAT EDARAN PKJI NOMOR 21/SE/Db/2023 MENGGUNAKAN YOLOV11

Peningkatan jumlah kendaraan bermotor di Indonesia menuntut adanya sistem pemantauan lalu lintas yang cerdas dan efisien. Penelitian ini bertujuan mengimplementasikan dan mengevaluasi algoritma YOLOv11 untuk mengklasifikasikan kendaraan bermotor ke dalam lima kelas sesuai tabel klasifikasi kendaraan pada Pedoman Kapasitas Jalan Indonesia (PKJI) Surat Edaran Nomor 21/SE/Db/2023, yaitu Sepeda Motor (SM), Mobil Penumpang (MP), Bus Besar (BB), Kendaraan Sedang (KS), dan Truk Besar (TB), serta menghasilkan data volume kendaraan per satuan waktu sebagai indikator kepadatan lalu lintas, pada tiga kondisi pengujian nyata, yaitu kondisi cerah, malam, dan hujan. Sistem dikembangkan menggunakan pendekatan multi-stage detection dengan dua Model YOLOv11n yang bekerja secara berjenjang, di mana Model 1 mendeteksi empat Kelas awal dan Model 2 melakukan klasifikasi lanjutan khusus untuk membedakan Kelas KS dan TB. Dataset Pelatihan berjumlah 9.080 citra untuk Model 1 dan 3.575 citra untuk Model 2, diperoleh dari ekstraksi Video lalu lintas nyata dan dianotasi menggunakan platform Roboflow. Sistem diintegrasikan ke dalam aplikasi berbasis web menggunakan Flask yang dapat diakses secara daring melalui Ngrok. Hasil Pelatihan Model 1 mencapai mAP@50 sebesar 0,943 dan Model 2 sebesar 0,970. Pada tahap pengujian, kondisi cuaca cerah menghasilkan performa terbaik dengan Precision rata-rata 0,948, Recall rata-rata 0,796, dan F1-Score rata-rata 0,841, diikuti kondisi hujan dengan Precision 0,840, Recall 0,789, dan F1-Score 0,770, serta kondisi malam dengan Precision 0,912, Recall 0,717, dan F1-Score 0,745. Tantangan utama yang teridentifikasi adalah tingginya misclassification antara Kelas TB dan KS yang persisten pada ketiga kondisi pengujian akibat kemiripan visual kedua Kelas, dan semakin parah seiring menurunnya kualitas visual lingkungan.