ABSTRAK
Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi otomatis
pelanggaran lalu lintas pengendara sepeda motor menggunakan framework You
Only Look Once (YOLO), khususnya varian YOLOv11n. Sistem ini dirancang
untuk mengenali empat jenis pelanggaran, yaitu tidak menggunakan helm (no
helm), tidak menggunakan spion (no rearview), tidak memiliki pelat nomor (no
plate), dan berboncengan lebih dari dua orang (more than 2). Dataset berjumlah 739
gambar yang diperoleh melalui dokumentasi langsung di lapangan dan dianotasi
secara manual. Data dibagi menggunakan metode hold-out dengan rasio 90% untuk
data latih dan 10% untuk data uji. Pelatihan dilakukan selama 500 epoch, dengan
evaluasi setiap 50 epoch menggunakan metrik precision, recall, serta mean Average
Precision (mAP) pada mAP@50 dan mAP@50–95. Model terbaik diperoleh pada
epoch ke-350 dengan precision sebesar 0,536, recall 0,572, mAP@50 sebesar
0,580, dan mAP@50–95 sebesar 0,397. Sementara itu, model terburuk terdapat
pada epoch ke-150 yang hanya menghasilkan mAP@50 sebesar 0,411 dan
mAP@50–95 sebesar 0,260. Deteksi paling akurat ditemukan pada kelas “no helm”
dengan nilai precision dan mAP tertinggi, sedangkan performa terendah terjadi
pada kelas “no rearview” karena jumlah data yang terbatas dan visual objek yang
sulit dikenali. Hasil penelitian ini menunjukkan bahwa YOLOv11n memiliki
potensi besar untuk digunakan dalam sistem pemantauan pelanggaran lalu lintas
secara otomatis, namun masih memerlukan peningkatan kualitas data dan evaluasi
lanjutan.
Kata Kunci: YOLOv11n, pelanggaran lalu lintas, deteksi objek, sepeda motor,
mAP.