Kemacetan dan kepadatan lalu lintas sering menjadi tantangan di berbagai kota. Menariknya, mahasiswa S1 Sains Data Telkom University Purwokerto berhasil menghadirkan solusi berbasis kecerdasan buatan melalui proyek capstone bertajuk “Prediksi Intensi Manuver Kendaraan pada Rekaman CCTV ATCS”.
Proyek yang dikembangkan oleh Arsita Wiwit Tiyaswening, Syalaisha Nisrina Anataya, dan Jeti Aprilia bekerja sama dengan Dinas Perhubungan Kabupaten Banyumas ini memanfaatkan teknologi Computer Vision dan YOLOv11 untuk menganalisis pergerakan kendaraan secara otomatis dari rekaman CCTV.
Tidak hanya menghitung jumlah kendaraan, sistem juga mampu melakukan deteksi multi-kelas, pelacakan kendaraan (tracking), hingga prediksi manuver kendaraan seperti bergerak lurus, berbelok kiri, atau berbelok kanan. Hasil analisis kemudian ditampilkan dalam bentuk dashboard interaktif yang mudah dipahami oleh pengambil keputusan.
Melalui pemanfaatan data video CCTV yang sebelumnya hanya berfungsi sebagai alat pemantau, sistem ini mampu mengubah rekaman lalu lintas menjadi sumber informasi yang bernilai. Petugas dapat memperoleh gambaran kondisi lalu lintas secara lebih cepat, akurat, dan berbasis data.
Beberapa manfaat yang ditawarkan antara lain:
✅ Pemantauan kepadatan kendaraan secara real-time
✅ Analisis pola lalu lintas berbasis data
✅ Dukungan pengambilan keputusan yang lebih cepat
✅ Optimalisasi rekayasa lalu lintas di persimpangan jalan
✅ Visualisasi data yang intuitif melalui dashboard analitik
Proyek ini menunjukkan bahwa Data Science tidak hanya berkutat pada angka dan algoritma, tetapi juga mampu menghasilkan solusi nyata bagi kebutuhan masyarakat. Dengan menggabungkan Computer Vision, Artificial Intelligence, dan visualisasi data, mahasiswa Sains Data Telkom University Purwokerto membuktikan bahwa teknologi dapat membantu menciptakan sistem transportasi yang lebih cerdas dan efisien.
Melalui karya capstone seperti ini, mahasiswa tidak hanya belajar teori di kelas, tetapi juga mengimplementasikan keilmuannya untuk menjawab tantangan nyata di lapangan—mulai dari kemacetan hingga pengelolaan lalu lintas berbasis data.
