Kemacetan lalu lintas di perkotaan merupakan isu
serius yang mengurangi efisiensi dan kenyamanan perjalanan. Penelitian ini
mengusulkan sistem adaptif untuk estimasi durasi lampu lalu lintas menggunakan
teknologi computer vision, khususnya object detection dan
algoritma logika fuzzy. Tujuan penelitian adalah mengembangkan sistem yang
dapat merekomendasikan durasi lampu berdasarkan kepadatan kendaraan. Metode penelitian
mencakup preprocessing dengan pengambilan data video dari CCTV dan
anotasi data, pelatihan model, penerapan model YOLOv9 untuk mendeteksi dan
menghitung kendaraan. Data kepadatan yang dihasilkan digunakan untuk
mengestimasi durasi lampu hijau optimal melalui algoritma fuzzy, yang dirancang
dengan Matlab dan diimplementasikan dengan Python. Hasil penelitian menunjukkan
bahwa sistem mampu secara efektif dalam
rekomendasi durasi lampu lalu lintas. Data set berjumlah 1.362 sampel
digunakan untuk melatih model YOLOv9. Model diuji dengan membandingkan hasil
deteksi objek terhadap ground truth, mencapai akurasi 85.83?n presisi
94.93%. Integrasi model deteksi objek dan algoritma fuzzy menunjukkan hasil
yang responsif dan adaptif terhadap kondisi lalu lintas dinamis. Meskipun saat
ini sistem beroperasi dengan video yang sudah ada, estimasi durasi lampu hijau
diberikan secara langsung selama pemrosesan video, menunjukkan kemampuan sistem
untuk estimasi real-time.
