YOLOv11 dan CLAHE untuk Optimalisasi Deteksi Kendaraan Parkir Ilegal di Jalan Raya Berbasis Video CCTV
Salma Mardhiyah, Bambang Heru Iswanto, dan Med Irzal

Program Studi Fisika, Universitas Negeri Jakarta, Jl. Rawamangun Muka, Jakarta 13220, Indonesia
Program Studi Ilmu Komputer, Universitas Negeri Jakarta. Jl. Rawamangun Muka, Jakarta 13220, Indonesia

Abstract

Deteksi parkir ilegal di jalan raya merupakan tantangan serius dalam pengelolaan lalu lintas dan ketertiban kota, khususnya di area publik dengan kepadatan kendaraan yang tinggi. Deteksi otomatis menggunakan kecerdasan buatan (AI) dapat menjadi solusi potensial untuk meningkatkan efisiensi dan akurasi pengawasan lalu lintas. Penelitian ini bertujuan untuk mengoptimalkan deteksi parkir ilegal dengan menggabungkan algoritma deteksi objek You Only Look Once versi 11 (YOLOv11) dan metode peningkatan kualitas citra Contrast Limited Adaptive Histogram Equalization (CLAHE). Metode yang diusulkan terdiri dari dua tahap utama. Tahap pertama adalah klasifikasi kondisi waktu dari citra CCTV dengan menganalisis 30% area teratas dari gambar. Citra dengan tingkat pencahayaan rendah akan diproses menggunakan metode CLAHE guna meningkatkan kontras serta visibilitas objek. Kedua, YOLOv11 diterapkan pada citra untuk mendeteksi kendaraan yang melakukan parkir ilegal di area bahu jalan yang telah diinisiasikan. Kendaraan dikategorikan sebagai pelanggaran parkir ilegal apabila berada pada posisi yang sama tanpa pergerakan signifikan selama interval waktu 5 detik dan ditandai dengan kotak merah oleh sistem. Hasil pengujian menunjukkan bahwa kombinasi CLAHE dan YOLOv11 mampu meningkatkan performa deteksi dengan akurasi mencapai 95,9%, presisi 94,7%, dan recall 90,1%. Kecepatan inferensi rata-rata sebesar 15 FPS memungkinkan integrasi dengan sistem pemantauan lalu lintas berbasis CCTV. Sementara itu, performa YOLOv11 tanpa CLAHE menghasilkan akurasi sebesar 91,2%, presisi 90,5%, dan recall 87,8%. Peningkatan performa secara signifikan terutama terjadi pada objek yang berada jauh dari kamera CCTV atau dalam kondisi pencahayaan yang rendah maupun buram. CLAHE terbukti membantu menjaga konsistensi bounding box dan mengurangi kesalahan deteksi terhadap objek non-kendaraan. Temuan ini mengindikasikan bahwa kombinasi metode YOLOv11 dan CLAHE dapat menjadi solusi efektif untuk deteksi kendaraan yang parkir secara ilegal di jalan raya serta berpotensi diimplementasikan secara langsung dalam sistem pengawasan lalu lintas berbasis CCTV. Penggunaan sistem ini diharapkan dapat meningkatkan kepatuhan pengguna jalan dan memperkuat penegakan hukum lalu lintas berbasis teknologi.

Keywords: Deteksi Objek, YOLOv11, CLAHE, Parkir Liar, CCTV

Topic: Instrumentation and Computational Physics