Sistem Deteksi Pelanggaran Kapasitas Penumpang pada Kendaraan Roda Dua Berbasis Deep Learning RT-DETR

Abstract

Transportasi merupakan kebutuhan utama masyarakat Indonesia, dengan sepeda motor sebagai moda paling dominan karena murah, hemat bahan bakar, dan lincah menghadapi kemacetan. Namun, pertumbuhan jumlah sepeda motor berbanding lurus dengan meningkatnya pelanggaran lalu lintas, khususnya kelebihan penumpang yang berpotensi mengganggu stabilitas kendaraan dan meningkatkan risiko kecelakaan. Keterbatasan pengawasan manual aparat di lapangan mendorong perlunya solusi berbasis kecerdasan buatan yang dapat mendukung implementasi Electronic Traffic Law Enforcement (ETLE). Penelitian ini mengembangkan sistem deteksi pelanggaran kapasitas penumpang kendaraan roda dua berbasis Real-Time Detection Transformer (RT-DETR). Sistem dirancang melalui tahapan, pengumpulan dataset gambar lapangan dari berbagai sudut (depan, samping, belakang), anotasi objek “motor” dan “orang”, pelatihan model RT-DETR Large selama 200 epoch pada resolusi 640×640, serta pengujian berbasis video dan gambar menggunakan mekanisme pemeriksaan overlap untuk mengelompokkan penumpang per kendaraan. Evaluasi dilakukan dengan metrik mAP dan FPS. Hasil menunjukkan performa tinggi dengan mAP 50 sebesar 98.2%, mAP (50-95 )sebesar 82.4%, dan kecepatan inferensi 63.03 frame per detik, yang memenuhi kriteria real-time. Secara praktis, sistem ini berpotensi diintegrasikan ke infrastruktur ETLE berbasis CCTV untuk deteksi otomatis pelanggaran kapasitas, pengurangan beban kerja petugas.