Pelanggaran lalu lintas seperti melebihi batas kecepatan dan berkendara di
lajur yang tidak sesuai merupakan faktor utama penyebab kecelakaan dan
kemacetan di jalan tol. Untuk meningkatkan keselamatan lalu lintas, dibutuhkan
sistem pengawasan otomatis yang mampu mendeteksi pelanggaran secara cepat.
Penelitian ini bertujuan untuk menganalisis pelanggaran batas kecepatan dan
pelanggaran penggunaan lajur oleh kendaraan berat, dengan memanfaatkan
teknologi pengenalan dan pelacakan objek berbasis deep learning menggunakan
framework YOLO (You Only Look Once) dan Kalman Filter. YOLO digunakan
untuk melakukan deteksi objek, sedangkan Kalman Filter digunakan untuk
melakukan pelacakan pergerakan kendaraan antar frame agar perhitungan
kecepatan dan posisi kendaraan menjadi lebih stabil.
Data dalam penelitian ini diperoleh dari rekaman video CCTV yang dipasang di
sepanjang jalan tol. Sistem mendeteksi kendaraan, menghitung kecepatan
berdasarkan pergerakan antar frame, dan menganalisis posisi kendaraan terhadap
lajur jalan. Hasil dari pengujian model menunjukkan akurasi sebesar 83,97%,
precision 0,702, recall 0,757, dan F1-score 0,758, yang menunjukkan bahwa model
memiliki performa klasifikasi yang cukup baik pada tahap awal evaluasi.
Kombinasi YOLO dan Kalman Filter terbukti mampu mendeteksi serta melacak
kendaraan secara efektif, dengan tingkat akurasi yang baik dan waktu pemrosesan
yang lebih cepat. Sistem ini dapat menjadi solusi yang mendukung pengawasan lalu
lintas secara otomatis, membantu mengurangi pelanggaran, dan meningkatkan
keselamatan berkendara. Penelitian ini juga memberikan rekomendasi untuk
pengembangan lebih lanjut pada sistem pengawasan cerdas di sektor transportasi.
Kata kunci: Pelanggaran lalu lintas, YOLO, Kalman Filter, batas kecepatan,
pelacakan kendaraan, jalan tol, analisis video.