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% dan 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.