Aplikasi Cerdas Deteksi Jumlah Kendaraan Bermotor Berbasis Video CCTV Lalu Lintas Realtime DISKOMINFO, Kota Malang

Abstract

Sesuai dengan dinamika zaman, beberapa bidang dalam kehidupan sehari-hari selalu memanfaatkan teknologi. Salah satu aspek yang memanfaatkan teknologi pada bidang transportasi. Perkembangan aspek transportasi di negara Indonesia sangat pesat, sehingga menyebabkan kepadatan arus lalu lintas dijalan raya. Sesuai hasil analisis data dari bps.go.id, per tahun 2019-2021 jumlah kendaraan untuk mobil penumpang sebanyak 16.413.348 unit dan sepeda motor sebanyak 120.042.298 unit (https://www.bps.go.id/, 2023). Sesuai dengan kondisi tersebut, maka kuantitas kendaraan bermotor semakin meningkat, sedangkan fasilitas jalan pada kondisi sekarang belum bisa mengimbangi yang menyebabkan terjadi beberapa permasalahan lalu lintas (Sugiharto, 2019). Salah permasalahan yang sering muncul adalah kemacetan yang harus diberi pehatian dari dinas terkait dan masyarakat pengguna jalan raya (Kurniawan, Bayupati, & Wibawa, 2020). Dengan meningkatknya volume kendaraan bermotor dijalan raya, menyebabkan banyak kemacetan sehingga bisa memperlambat perjalanan pengguna jalan (Falaki, Gozali, Djuana, & Rambung, 2022). Dari permasalahan tersebut, tentunya dibutuhkan informasi kendaraan bermotor yang melintasi beberapa poros jalan utama, sehingga pembangunan maupun perbaikan kondisi jalan raya bisa lebih efisien dan efektif serta mereduksi problematika pada lalu lintas utamanya kemacetan (Mahantesh, Vedanth, Pooja, & Kulala, 2020). Untuk memperoleh data informasi kendaraan bermotor yang melewati jalan bisa diperoleh dengan berbagai metode. Pada kondisi sebelumnya proses kalkulasi kendaraan dilakukan dengan manual dengam memanfaatkan kemampuan manusia. Namun, seiring perkembangan teknologi, perhitungan jumlah kendaraan dijalan raya bisa diimplementasikan dengan bantuan alat yang berjalan secara real time (Kurniasari & Jalinas, 2020). Dengan memanfaatkan video pelaporan secara real time, tentunya bisa digunakan untuk memperoleh informasi mengenai kondisi lalu lintas terkini sehingga bisa digunakan sebagai bahan untuk pengembangan teknologi lebih lanjut untuk mengurangi dari dampak permasalahan lalu lintas (Liang & Ji, 2022).Informasi data lalu lintas mengenai sistem pengawasan kendaraan bermotor yang bergerak bisa diperoleh real time dari macam-macam sumber seperti alat deteksi lingkaran, alat deteksi ultrasonik, sensor radar, maupun kamera video (Mashudi, Rofii, & Mukshim, 2020). Seperti di Kota Malang, data informasi lalu lintas bisa diperoleh secara real time melalui website cctv.malangkota.go.id yang merupakan inovasi teknologi dari pemerintah Kota Malang khususnya Dinas Komunikasi dan Informasi Kota Malang (DISKOMINFO) dan bisa dimanfaatkan untuk mengumpulkan dan menganalisis data lalu lintas di Kota Malang. Kota Malang adalah salah satu kota besar di Jawa Timur selain Surabaya dan sekitarnya. Kota Malang juga memiliki tingkat pertumbuhan dan jumlah penduduk dan jumlah kendaraan yang relatif meningkat setiap tahunnya (Arisandi, 2015). Seperti kota-kota besar lainnya, Kota Malang juga memiliki banyak simpang yang menyebabkan kondisi lalu lintas menjadi padat. Banyaknya jumlah kendaraan bermotor yang berlalu lintas di jalan, terkadang tidak sebanding dengan luas jalan yang tersedia, sehingga seringkali terjadi kepadatan dan berujung kemacetan di jalan yang tidak bisa dihindari (Kurniasari & Jalinas, 2020). Sehingga diperlukan informasi tentang kepadatan jalan bagi pengguna transportasi untuk memilih jalan berdasarkan informasi yang diperoleh (Kurniasari & Jalinas, 2020).Sistem kamera berbasis video dari hasil CCTV merupakan salah satu inovasi teknologi canggih dan akurat karena informasi yang memiliki urutan gambar atau citra yang diimplementasikan dalam video memungkinkan untuk diidentifikasi dan dihitung dengan cara yang optimal (Liang & Ji, 2022). Seperti yang dilakukan oleh Ali Mahdi, dkk yang melakukan penelitian dengan menguji akurasi deteksi kendaraan roda empat yang melintas dengan metode luaran piksel (Mahdi, Ophelia, & Hartono). Dalam penelitian tersebut disimpulkan perhitungan kendaraan roda empat dengan tingkat akurasi hingga 82,18% pada waktu siang hari dan tingkat akurasi hingga 88,3%. Dalam penelitian lain yang dilakukan oleh Rama Adistya, dkk dengan menerapkan metode yang berbeda yaitu backpropagation neural network dan sobel untuk pengenalan golongan kendaraan berdasarkan video CCTV. Dari penelitian tersebut bisa disimpulkan bahwa penggunaan kedua metode tersebut menghasilkan akurasi tinggi untuk pengenalan bentuk mobil dengan persentase 94%. Namun dalam penelitian tersebut hanya difokuskan pada perhitungan jumlah kendaraan roda empat, sedangkan untuk kendaraan bermotor belum bisa terhitung. Selama ini pemanfaatan CCTV hanya sebatas untuk memantau kepadatan arus lalu lintas untuk melakukan rekayasa yang dilaksanakan oleh petugas dilapangan serta sebagai bukti adanya pelanggaran untuk tilang elektronik (Setiawan, Dewanta, Adi, & Supriyono, 2019). Maka dari itu hasil dari video CCTV tentunya bisa dijadikan bahan atau data untuk pengolahan citra video yang bisa dijadikan pertimbangan secara cepat untuk pengawasan kondisi lalu lintas.Berdasarkan dari beberapa penelitian sebelumnya, maka diperlukan inovasi teknologi yang ditawarkan dengan tujuan menyediakan media pendukung untuk mendeteksi jumlah kendaraan bermotor melalui perancangan aplikasi cerdas untuk memantau dan menghitung kendaraan baik roda empat maupun roda dua pada kondisi lalu lintas khususnya di Kota Malang melalui hasil pengolahan citra video dari CCTV lalu lintas Kota Malang. Dari aplikasi yang dihasilkan diharapkan bisa menjadi salah satu alternatif yang menjadi inovasi teknologi cerdas baik bagi pengguna jalan raya maupun petugas terkait untuk mengambil keputusan atau kebijakan mengenai pengaturan kondisi lalu lintas khususnya di Kota Malang.