VOLT : Jurnal Ilmiah Pendidikan Teknik Elektro

Pembangunan jalan sering kali tidak sejalan dengan jumlah kendaraan yang ada, jalan sudah tidak mampu untuk menampung laju kendaan. Selain itu perilaku dalam berkendara masyarakat mengambil andil yang besar dalam kemacetan. Pihak polisi jalan raya mengalamai kesulitan dalam menghitung kecepatan kendaraan dan pihak DLLAJ kesulitan dalam menghitung jumlah kendaraan yang melaju pada jalan tersebut. Dengan menggabungkan kamera pengawas jalan dan metode optical flow maka akan diperoleh suatu sistem yang dapat mengghitung jumlah dan kecepatan laju kendaraan. Pada kasus ini diujikan pada jalan raya dengan lajur jalan sebanyak 

Juliando, Dirvi Eko

 
 
 
 
 
 
P-ISSN: 2528-5688 
E-ISSN: 2528-5696 
VOLT 
Jurnal Ilmiah Pendidikan Teknik Elektro 
Journal homepage: jurnal.untirta.ac.id/index.php/VOLT 
Vol. 1, No. 1, Oktober 2016, 61-66 
 
 
 
 
 
 
 
  
TRAFFIC MONITORING : SISTEM PENGHITUNG JUMLAH DAN PENGUKUR 
LAJU KECEPATAN KENDARAN BERMOTOR PADA JALAN TIGA LAJUR 
BERBASIS OPTICAL FLOW   
 
Dirvi Eko Juliando Sudirman1, Nur Asyik Hidayatullah2 
 
1Teknik Komputer Kontrol, Jurusan Teknik 
Politeknik Negeri Madiun, Madiun 63133, Indonesia  
E-mail: dirvi@pnm.ac.id 
 
2Teknik Listrik, Jurusan Teknik 
Politeknik Negeri Madiun, Madiun 63133, Indonesia  
E-mail: asyik@pnm.ac.id  
 
 
Diterima: 01 Oktober 2016. Disetujui: 05 Oktober 2016. Dipublikasikan: 07 Oktober 2016 
 
Abstrak 
 
 
Pembangunan jalan sering kali tidak sejalan dengan jumlah kendaraan yang ada, jalan sudah tidak 
mampu untuk menampung laju kendaraan. Selain itu, perilaku dalam berkendara masyarakat 
memiliki andil yang besar dalam kemacetan. Pihak polisi jalan raya mengalamai kesulitan dalam 
menghitung kecepatan kendaraan dan pihak DLLAJ kesulitan dalam menghitung jumlah 
kendaraan yang melaju pada jalan tersebut. Dengan menggabungkan kamera pengawas jalan dan 
metode optical flow, maka akan diperoleh suatu sistem yang dapat menghitung jumlah dan 
kecepatan laju kendaraan. Pada kasus ini diujikan pada jalan raya dengan lajur jalan sebanyak 3.  
 
© 2016 Jurusan Pendidikan Teknik Elektro , FKIP UNTIRTA 
 
Kata kunci: Car Counting, Kecepatan, Kendaraan, Optical flow. 
 
PENDAHULUAN 
 
Jumlah kendaraan saat ini sudah sangat 
malebihi kemampuan daya tampung jalan. 
Selain itu, faktor kebiasan pengemudi yang 
sering berjalan dengan kecepatan di bawah 
atau di atas kecepatan yang ditentukan me-
nambah faktor yang menyebabkan kemacetan. 
Polisi dan DLLAJ sebagai pihak yang memiliki 
kewenangan dan kewajiban dalam mengatur 
lalu lintas sering kali kesulitan dalam menge-
tahui kecepatan kendaraan yang melaju dan 
D.E. Juliando, dkk / VOLT -  Jurnal Ilmiah Pendidikan Teknik Elektro 1 (1) (2016) 61-66 
62 
 
jumlah kendaraan  yang melaju pada suatu ruas 
jalan. Pemasangan sensor elektronik dapat 
membantu dalam mengatasi masalah tersebut, 
akan tetapi memiliki kelemahan dalam pe-
masangan dan integrasinya. Salah satu solusi 
lainnya yaitu dengan memanfaatkan kamera 
pengawas jalan inputan dan metode optical 
flow sebagai metode untuk memproses video 
untuk mendapatkan kecepatan dan jumlah ken-
daraan yang melintas. Sistem tersebut sering 
disebut sebagai sistem traffic monitoring.  
 
Gambar 1. Penempatan kamera pada sistem 
traffic monitoring. 
 
Pada gambar 1 disajikan ilustrasi posisi pe-
masangan kamera pengawas dalam mengambil 
video jalan yang dimonitoring. Kamera disini 
digunakan sebagai inputan yang nantinya akan 
diproses menggunakan metode optical flow. 
Pada dasarnya optical flow dapat diartikan se-
bagai pola pergerakan jelas suatu benda pada 
permukaan dan tepi pada adegan visual yang 
disebabkan oleh gerak relatif antara pengamat 
(mata atau kamera) dan adegan. Metode aliran 
optik mencoba untuk menghitung gerakan an-
tara dua frame gambar yang diambil pada 
waktu t dan t + Δ t di setiap posisi voxel. Pada 
kasus dimensional 2D+t (3D atau n-D) voxel 
dilokasikan dalam (x,y,t) dengan intensitas 
I(x,y,t) dengan Δx, Δy, Δt, sebagai perubahan 
posisi antara dua frame gambar yang berbeda. 
Berdasarkan brightness constancy constraint 
akan diperoleh persamaan sebagai berikut:  
        (1)     
 
METODE 
 
Secara garis besar sistem ini dapat 
disajikan dalam bentuk diagram blok yang 
ditunjukan pada gambar 2. 
 
Gambar 2. Diagram blok sistem traffic 
monitoring. 
 
Berdasarkan pada gambar 2 dapat dijelaskan 
sistem ini dimulai dengan diambilnya kondisi 
lalulintas di jalan raya melalui webcam. Proses 
selanjutnya yaitu mengirimkan hasil keluaran 
dari webcam ke komputer untuk diproses. 
Dalam proses pengiriman output webcam dapat 
dilakukan dengan media kabel atau telemetri. 
Hasil dari proses komputerisasi berupa kecepa-
tan dan jumlah kendaraan yang melaju di jalan 
tersebut secara real time. Sedangkan untuk 
proses komputasi dapat dijelaskan melalui 
gambar 3 
 
Gambar 3. Diagram proses komputasi data hasil 
dari webcam. 
D.E. Juliando, dkk / VOLT -  Jurnal Ilmiah Pendidikan Teknik Elektro 1 (1) (2016) 61-66 
63 
 
Sistem ini akan diujikan pada jalan Prof. Dr. 
Mustopo Surabaya. Jalan ini dipilih di-
karenakan jalan tersebut memiliki 3 buah ruas 
jalan. Sedangkan untuk kendaraan yang me-
lintas tidak dibatasi baik berupa tipe jenis 
kendaraan, ukuran kendaraan maupun warna 
dari kendaraan tersebut. Sehingga pengujian 
dikondisikan sesuai dengan kondisi nyata dari 
jalan tersebut. 
 
HASIL DAN PEMBAHASAN 
 
Berdasarkan gambar 3 proses pengolahan 
dimulai dengan background subtraction meng-
gunakan metode Tabi. Metode TABI adalah 
membentuk variabel matriks kosong yang ber-
ukuran sama dengan frame suatu video. 
Variabel ini dinamakan Imzero. 
 
Gambar 4. Pergerakan objek per frame pada 
vidio.  
 
Setelah membentuk matriks kosong 
maka selanjutnya yg dilakukan adalah men-
jumlahkan frame pertama ke dalam variabel 
Imzero yang sudah dibentuk. Setelah itu frame 
kedua akan dijumlahkan ke variabel Imzero 
yang berisi frame pertama. Proses ini akan 
terus berlanjut sampai sejumlah frame tertentu 
sesuai dengan keinginan. Setelah variabel 
Imzero terisi dengan sejumlah frame maka 
variabel Imzero akan dibagi dengan jumlah 
frame yang sudah dimasukkan. Hasil re-
konstruksi latar belakang ini disimpan ke dalam 
suatu variabel Imback. Hasil yang didapatkan 
dari proses tersebut berupa background dari 
objek yang bergerak, dimana pada sistem ini 
yang menjadi objek adalah kendaraan sedang-
kan backgroundnya berupa jalan itu sendiri. Hal 
ini dapat dilihat pada gambar 5.  
 
Gambar 5. Hasil dari rekontruksi latar. 
 
Setelah melakukan renkontruksi latar 
selanjutnya membuat daerah Region of Interest 
(ROI). Daerah ROI berguna untuk menentukan 
daerah pengamatan dari jalan tersebut terha-
dap kendaraan yang melintas.   
 
Gambar 6. Citra dengan daerah ditandai (ROI). 
 
Region of Interest (ROI) juga digunakan 
sebagai patokan perbandingan jumlah piksel di 
satu-satuan frame terhadap ukuran pada 
kondisi real. Langkah selanjutnya, citra RGB 
dari frame video tersebut akan diubah menjadi 
citra keabuan. Setelah citra RGB diubah menjadi 
D.E. Juliando, dkk / VOLT -  Jurnal Ilmiah Pendidikan Teknik Elektro 1 (1) (2016) 61-66 
64 
 
citra keabuan, maka langkah selanjutnya adalah 
mengubah citra keabuan menjadi citra biner. 
Citra biner yang didapat akan dierosi supaya 
menghasilkan citra yang lebih bersih. Sebelum 
melakukan proses erosi, mobil yang masuk ke 
dalam daerah cakupan kamera akan diberi 
tanda (gambar 7). 
 
Gambar 7. Perubahan tampilan citra asli men-
jadi binary. 
Secara keseluruahan tampilan dari sistem 
dapat dilihat pada gambar 8. 
 
Gambar 8. Tampilan dari sistem penghitung 
jumlah kendaraan. 
 
Pada gambar 8 terlihat jumlah kendara-
an yang melintas pada jalur tengah sebanyak 15 
buah. Cara menguji sistem yang telah dibangun 
yaitu membandingkan hasil perhitungan ma-
nual terhadap kendaraan yang melewati daerah 
yang ditandai terhadap hasil dengan hasil per-
hitungan sistem terhadap kendaraan yang me-
lewati daerah yang ditandai. Kendaraan disini 
merupakan segala kendaraan baik kendaraan 
roda dua, empat dan lebih.  Dari pengujian 
dengan cara tersebut diperoleh hasil per-
hitungan manual sebanyak 35 kendaraan yg 
melewati daerah yang ditandai, sedangkan sis-
tem menghitung sebanyak 39 kendaraan. Ber-
dasarkan perbandingan tersebut diperoleh 
keakuratan sistem yang dibangun yaitu sebesar 
89,7%. Hal ini disebabkan adanya kendaraan 
yang melewati begitu dekat dengan pinggir tepi 
daerah yang dibatasi. Hal ini ditunjukan pada 
gambar 9 
 
Gambar 9. Tampilan kendaraan yang melintas 
dekat dengan daerah yang ditandai. 
 
Pada gambar 9 menunjukan dimana sis-
tem akan menghitung kendaraan yang me-
lintas begitu dekat dengan daerah yang ditandai 
sebagai kendaraan yang termasuk dalam kate-
gori melintasi daerah yang dibatasi, hal ini di-
tunjukkan dengan adanya tanda merah di dekat 
kendaraan yang melintas tersebut. Sedangkan 
menurut peneliti, kendaraan tersebut dianggap 
tidak melewati daerah yang dibatasi karena ba-
dan kendaraan yang melintasi daerah yang 
ditandai sangat kecil. 
Jika mobil sudah melewati daerah yang 
ditandai (ROI) maka kecepatan mobil tersebut 
akan dihitung. Kecepatan mobil dihitung 
dengan cara membagi panjang daerah yang di-
tandai, dengan waktu kendaraan. Dalam hal ini 
daerah yang ditandai memiliki panjang sekitar 
D.E. Juliando, dkk / VOLT -  Jurnal Ilmiah Pendidikan Teknik Elektro 1 (1) (2016) 61-66 
65 
 
4 meter pada keadaan yang sesungguhnya. Ru-
mus kecepatan adalah: 
            (2) 
Dimana Vm adalah kecepatan kendaraan 
dengan satuan meter/detik, s adalah panjang 
daerah yang ditempuh, dan t adalah waktu tem-
puh kendaraan dengan satuan detik. Sedangkan 
untuk menghitung kecepatan dalam video, 
waktu tempuh kendaraan dapat dikembangkan 
menjadi: 
            (3) 
Dimana ft adalah jumlah frame yang 
dibutuhkan kendaraan untuk melintasi ROI dan 
fps adalah jumlah frame yang dihasilkan oleh 
webcam dalam satu detik. Selanjutnya, dengan 
cara mensubtitusi persamaan 3 ke persamaan 2 
maka akan diperoleh algoritma untuk meng-
hitung kecepatan kendaraan yang ditangkap 
oleh webcam yaitu 
           (4) 
Pengujian kemampuan sistem dalam 
menghitung kecepatan dilakukan dengan mem-
bandingkan perhitungan kecepatan secara 
manual dengan hasil perhitungan sistem. Wak-
tu tempuh pada perhitungan manual mengacu 
pada waktu tempuh kendaraan untuk melintasi 
ROI (t) yang dicatat dengan menggunakan stop-
wacth berbarengan dengan ketika pengambilan 
video sedang berlangsung, sedangkan waktu (t) 
pada sistem mengacu pada persamaan 4  di-
mana waktu diperoleh dengan membagi jum-
lah frame yang dibutuhkan kendaraan untuk 
melintasi ROI dengan jumlah frame yang 
dihasilkan dalam 1 detik. Sistem diujikan 
dengan berbagai jenis kendaraan dengan warna 
yang berbeda-beda. 
 
Gambar 10. Truk kuning memasuki ROI. 
 
 
Gambar 11. Truk meninggalkan ROI dan hasil 
pengukuran kecepatan truk ketika melaju. 
 
Pada pengujian terhadap truk berwarna 
kuning diperoleh hasil perhitungan sistem se-
besar 50 Km/jam, sedangkan berdasarkan per-
hitungan manual diperoleh kecepatan sekitar 
48 Km/jam. 
 
Gambar 12. Pengujian pada sepeda motor. 
D.E. Juliando, dkk / VOLT -  Jurnal Ilmiah Pendidikan Teknik Elektro 1 (1) (2016) 61-66 
66 
 
 
Gambar 13. Hasil pembacaan kecepatan sepeda 
motor. 
 
Pada pengujian terhadap sepeda motor diper-
oleh hasil perhitungan sistem sebesar 45 
Km/jam, sedangkan berdasarkan perhitungan 
manual diperoleh kecepatan sekitar 44 
Km/jam. 
 
PENUTUP 
 
Berdasarkan hasil  pengujian di atas ter-
dapat selisih hasil antara perhitungan ke-
cepatan secara manual dan secara sistem yang 
tidak signifikan (kecil), sehingga dapat disim-
pulkan bahwa sistem mampu menghitung ke-
cepatan kendaraan yang bergerak dengan 
cukup akurat selama kendaraan tersebut tetap 
berada dalam lajur jalan yang ditandai. Sedang-
kan pada penghitungan jumlah kendaraan 
terdapat perbedaan yang diakibatkan masuk-
nya objek lain atau berpindahnya suatu objek 
secara tiba-tiba di daerah ROI. Untuk mengatasi 
hal tersebut dapat dilakukan pemisahan antar 
ruas jalan. Sedangkan untuk meningkatkan 
keakuratan penghitungan kecepatan kendaraan 
dapat dilakukan dengan meningkatkan FPS dari 
kamera yang digunakan. 
 
 
DAFTAR PUSTAKA 
 
B. Glocker, N. Komodakis, G. Tziritas, N. Navab 
& N. Paragios (2008). Dense Image Reg-
istration through MRFs and Efficient Lin-
ear Programming. Medical Image Analy-
sis Journal. 
Kelson R. T. Aires; Andre M. Santana; Adelardo 
A. D. Medeiros (2008). Optical Flow Us-
ing Color Information. ACM New York, 
NY, USA. ISBN 978-1-59593-753-7. 
Lauren Barghout. (2014). Visual Taxometric ap-
proach Image Segmentation using Fuzzy-
Spatial Taxon Cut Yields Contextually 
Relevant Regions. Information Processing 
and Management of Uncertainty in 
Knowledge-Based Systems. CCIS Spring-
er-Verlag.  
Linda G. Shapiro and George C. Stockman 
(2001): “Computer Vision”, pp 279-325, 
New Jersey, Prentice-Hall, ISBN 0-13-
030796-3 
Royden, C. S.; Moore, K. D. (2012). "Use of speed 
cues in the detection of moving objects by 
moving observers". Vision Research. 59: 
17–24.  
 
 


Indonesian

TRAFFIC MONITORING : SISTEM PENGHITUNG JUMLAH DAN PENGUKUR LAJU KECEPATAN KENDARAN BERMOTOR PADA JALAN TIGA LAJUR BERBASIS OPTICAL FLOW

Penelitian ini bertujuan untuk mengembangkan kontribusi kreativitas  dan penggunaan sarana prasarana terhadap hasil belajar mata diklat keterampilan komputer dan pengolahan informasi (KKPI) siswa kelas 1 (satu) jurusan teknik Audio Video (AV) SMK Negeri 1 Padang. Hasil analisis data dan pengujian hipotesis menunjukkan bahwa ketiga hipotesis yang diuji dalam penelitian ini diterima secara empiris. Dengan demikian diyakini bahwa kreativitas, penggunaan sarana prasarana berpengaruh terhadap hasil belajar baik secara sendiri-sendiri maupun secara bersama-sama. Namun bila dilihat dari kontribusi masing-masing prediktor terhadap hasil belajar, maka kreativitas memberikan pengaruh yang  besar terhadap hasil belajar sebesar 27,9% dibandingkan dengan penggunaan sarana prasarana 24,%. Bila dicermati pengaruh secara bersama dari kreativitas dan penggunaan sarana prasarana terhadap hasil belajar siswa sebesar 40,3%. Hal ini menggambarkan bahwa hanya 40,3%, kreativitas dan penggunaan sarana prasarana terhadap hasil belajar. Dan diperkirakan sisanya sebesar 57,7% merupakan pengaruh  faktor lain

Handayani, Febrika; Pendidikan Teknik Elektronika, Universitas Negeri Padang

Kontribusi  Kreativitas dan Penggunaan  Sarana Prasarana Terhadap Hasil Belajar Mata Diklat Keterampilan Komputer dan Pengolahan Informasi (KKPI) Siswa Jurusan Teknik Audio Video SMK Negeri 1 Padang

Not a member yet

TRAFFIC MONITORING : SISTEM PENGHITUNG JUMLAH DAN PENGUKUR LAJU KECEPATAN KENDARAN BERMOTOR PADA JALAN TIGA LAJUR BERBASIS OPTICAL FLOW

Kontribusi Kreativitas dan Penggunaan Sarana Prasarana Terhadap Hasil Belajar Mata Diklat Keterampilan Komputer dan Pengolahan Informasi (KKPI) Siswa Jurusan Teknik Audio Video SMK Negeri 1 Padang

49

82