TA DIGITAL
AI-powered CCTV traffic forecasting: prediksi kepadatan lalu lintas dengan YOLOv8 dan time-series analysis di cloud-native environment = AI-powered CCTV traffic forecasting: traffic density prediction with YOLOv8 and time-series analysis in cloud-native environment
Luqman Aldi Prawiratama AI-Powered CCTV Traffic Forecasting: Prediksi Kepadatan Lalu Lintas dengan YOLOv8 dan Time-Series Analysis di Cloud-Native Environment Tugas Akhir DIII Jurusan Teknik Elektro, Politeknik Negeri Semarang, dibawah bimbingan Drs. Parsumo Rahardjo, M.Kom., dan Suko Tyas Pernanda, M.Cs.
Kemacetan di jalan Pantura, khususnya wilayah Sayung–Demak, kerap dipicu banjir rob dan kepadatan arus kendaraan. Sistem traffic counting berbasis CCTV ATCS yang ada sebelumnya hanya menghitung kendaraan tanpa kemampuan prediksi. Penelitian ini mengusulkan dan merealisasikan AI-Powered CCTV Traffic Forecasting, yang mengintegrasikan deteksi dan counting kendaraan menggunakan YOLOv8 pada sisi klien (TFJS) serta pemodelan deret waktu berbasis LSTM untuk memprediksi kepadatan hingga 1 jam ke depan. Arsitektur dirancang cloud-native pada Google Cloud Platform dengan orkestrasi Kubernetes, penyimpanan data pada PostgreSQL, dan penyajian informasi melalui dashboard web publik. Metodologi pengembangan menggunakan SDLC model Prototype, dengan evaluasi mencakup: (1) uji fungsionalitas (black-box) pada antarmuka dan alur utama; (2) uji akurasi counting melalui sampling 5 kali × 5 menit dengan pembanding perhitungan manual; (3) uji akurasi prediksi melalui perbandingan hasil model dengan kondisi aktual; serta (4) uji penerimaan pengguna melalui kuesioner. Hasil menunjukkan akurasi counting rata-rata 92,08% (kategori sangat baik), akurasi prediksi studi kasus 63,86% untuk horizon 1 jam (kategori baik), dan tingkat penerimaan pengguna sebesar 91,92% dari 25 responden. Temuan ini membuktikan bahwa integrasi YOLOv8 dan LSTM dalam arsitektur cloud-native efektif untuk pemantauan dan peramalan lalu lintas berbasis CCTV ATCS, serta layak dikembangkan lebih lanjut melalui perluasan data historis, peningkatan model deteksi/prediksi, dan optimalisasi pengalaman pengguna lintas perangkat.
Kata kunci: YOLOv8, LSTM, time-series, CCTV ATCS, traffic counting, traffic forecasting, cloud-native, Kubernetes, Google Cloud, dashboard web.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah