LAPORAN AKHIR

STUDI INDEPENDEN BERSERTIFIKAT

Foundations of AI and Life Skills for Gen-Z
Di Orbit Future Academy

Diajukan untuk memenuhi persyaratan kelulusan

Program MSIB MBKM

oleh :
Yuliano Komanjali / 1911071003

Jurusan Teknik Elektro

Program Studi DIV Teknik Telekomunikasi
POLITEKNIK NEGERI PADANG
2022
 Lembar Pengesahan

Vehicles Counting system in traffic

Di Orbit Future Academy

oleh :
Yuliano Komanjali / 1911071003

disetujui dan disahkan sebagai

Laporan Magang atau Studi Independen Bersertifikat Kampus Merdeka

Padang, 17 Juni 2022

AI Coach

Herlin Dwi Astuti

NIP: 2201063
 Abstraksi

MSIB merupakan bagian dari program Kampus Merdeka yang diperuntukan

bagi mahasiswa untuk mempelajari kompetensi secara spesifik, praktis, dan
mempraktekkan kompetensi tersebut dalam sebuah proyek riil. Pada kesempatan
ini, penulis diizinkan untuk mengikuti kegiatan MSIB di Orbit Future Academy
tepatnya pada program Foundation of AI and Life Skills for Gen-Z.
Dewasa ini, jalan raya merupakan komponen penting dalam lalu lintas. Saat
ini sistem transportasi di seluruh dunia mulai dirasa meningkatkan peluang
ekonomi dan sosial, hal tersebut juga menimbulkan berbagai masalah seperti
kemacetan, keamanan, dan kerusakan lingkungan. Vehicles counting system in
traffic adalah program dari teknologi informasi dan komunikasi dalam sistem
transportasi guna untuk meningkatkan mobilitas, mengurangi angka kecelakaan
dan kematian, serta melestarikan lingkungan akibat dari penumpukan kendaraan.
Metode yang digunakan dalam sistem ini adalah Background
Subtractor,deteksi objek dengan kontur.
Pembuatan sistem ini memanfaatkan OpenCV dengan menggunakan Bahasa
pemrograman Python. Pengujian dilakukan dengan menggunakan video jalan raya
yang diambil secara langsung dan hasil download dari internet. Kondisi jalan raya
yang digunakan adalah kondisi jalan dua arah dengan kepadatan yang berbeda.

Kata kunci : Vehicle counting system, video processing, background subtraction,

countour detection, OpenCV.
 Kata Pengantar

Puji syukur diucapkan kehadirat Allah SWT atas segala rahmatNya

sehingga laporan akhir ini dapat tersusun sampai dengan selesai. Laporan akhir ini
merupakan salah satu syarat wajib untuk menyelesaikan program Studi Independen
Foundations of AI and Life Skills for Gen-Z di Orbit Future Academy. Setelah
menyelesaikan program pembelajaran selama 6 bulan, projek akhir Studi
Independen ternyata memiliki banyak manfaat bagi penulis, baik dari segi ilmu
maupun pengalaman dalam menerapkan kecerdasan buatan dalam segala bidang

Penulis menyadari bahwa laporan akhir ini dapat diselesaikan berkat

dukungan dan bantuan dari berbagai pihak. Peneliti berterima kasih kepada semua
pihak yang telah memberikan kontribusi dalam penyelesaian laporan akhir ini dan
secara khusus pada kesempatan ini peneliti menyampaikan ucapan terima kasih
kepada yang terhormat:

1. Herlin Dwi Astuti selaku Homeroom Coach kelas Cactus yang telah
memberi bimbingan dalam menyelesaikan laporan akhir studi independen
bersertifikat ini.

2. Dosen Pembimbing di kampus, bapak Yulindon, S.T., M.Kom. atas

bimbingan beliau penulis dapat menyelesaikan laporan akhir ini dengan
baik.

3. Teman-teman satu kelompok atas kontribusinya terhadap proyek akhir yang

menghasilkan laporan akhir ini.

4. Orang tua dan keluarga atas semangat dan motivasi yang besar untuk
menyelesaikan laporan akhir studi independen bersertifikat ini.

5. Teman- teman di kelas Cactus yang saling berbagi ilmu dan pengetahuan
terkait segala hal untuk menyelesaikan laporan akhir ini.

Semoga segala bantuan yang diberikan dalam menyelesaikan penyusunan

skripsi ini dicatat oleh Allah SWT sebagai amal ibadah. Aamiin.
 Penulis menyadari bahwa laporan akhir ini masih banyak kekurangan, oleh
karena itu kritik dan saran yang sifatnya membangun demi kesempurnaan akan
penulis terima dengan senang hati. Semoga laporan akhir ini dapat menjadi alat
yang besar dalam upaya kita meningkatkan kualitas teknologi dan Pendidikan
terutama di bidang AI.

Padang,17 Juni 2022

Penulis
 Daftar Isi

Pendahuluan 1
Latar belakang 1
Lingkup 2
Tujuan 3
Orbit Future Academy 1
Struktur Organisasi 1
Gambar 2.1 Logo Orbit Future Academy 1
Gambar 2.2 Struktur Organisasi OFA 2
Lingkup Pekerjaan 2
Deskripsi Pekerjaan 3
Jadwal Kerja 4
Tabel 2.1 Agenda Kelas 4
BAB III Vehicles Counting System in Traffic 1
III.1 Latar Belakang Proyek Akhir 1
III.2 Proses Pelaksanaan Proyek Akhir 1
Gambar 3.1 Algoritma Background Subtraction 1
Gambar 3.2 Filtering untuk menghilangkan noise 2
Gambar 3.3 Building processing pipeline 2
III.3 Hasil Proyek Akhir 3
Gambar 3.4 Output Vehicle Counting System in Traffic 3
BAB IV Penutup 1
IV.1 Kesimpulan 1
IV.2 Saran 1
BAB V Referensi 7
BAB VI Lampiran A. TOR 1
Tabel 6.1 Jadwal pelaksanaan Error! Bookmark not defined.
BAB VII Lampiran B. Log Activity 2
Tabel 7.1 Log Activity 3
BAB VIII Lampiran C. Dokumen Teknik 1
Gambar 8.1 Algoritma Background Subtraction 3
Gambar 8.2 Filtering untuk menghilangkan noise 4
Gambar 8.3 Building processing pipeline 4
 Gambar 8.4 Tampilan UI/UX aplikasi 5
Tabel 8.1 Deskripsi Pembagian tugas 6
 Daftar Tabel

Tabel 2.1 Agenda Kelas 4

Tabel 6.1 Jadwal pelaksanaan 2

Tabel 7.1 Log Activity 1

Tabel 8.1 Deskripsi Pembagian tugas 5

 Daftar Gambar

Gambar 2.1 Logo Orbit Future Academy 1

Gambar 2.2 Struktur Organisasi OFA 2

Gambar 3.1 Algoritma Background Subtraction 1

Gambar 3.2 Filtering untuk menghilangkan noise 2

Gambar 3.3 Building processing pipeline 2

Gambar 3.4 Output Vehicle Counting System in Traffic 3

Gambar 8.1 Algoritma Background Subtraction 3

Gambar 8.2 Filtering untuk menghilangkan noise 4

Gambar 3.3 Building processing pipeline 4

Gambar 8.4 Tampilan UI/UX aplikasi 5

 Bab I Pendahuluan

I.1 Latar belakang

Kampus Merdeka merupakan bagian dari kebijakan Merdeka Belajar oleh
Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia
yang memberikan kesempatan bagi mahasiswa untuk mengasah kemampuan sesuai
bakat dan minat dengan terjun langsung ke dunia kerja sebagai persiapan karir masa
depan. Dengan adanya kebijakan tersebut, mahasiswa mempunyai kesempatan
untuk mengeksplorasi pengetahuan di lapangan selama lebih dari satu semester,
serta memperluas jaringan di luar program studi atau kampus asal.
MSIB merupakan bagian dari program Kampus Merdeka yang diperuntukan
bagi mahasiswa untuk mempelajari kompetensi secara spesifik, praktis, dan
mempraktekkan kompetensi tersebut dalam sebuah proyek riil. Pada kesempatan
ini, penulis diizinkan untuk mengikuti kegiatan MSIB di Orbit Future Academy
tepatnya pada program Foundation of AI and Life Skills for Gen-Z.
Foundation of AI and Life Skills for Gen-Z adalah program pelatihan Artificial
Intelligence secara online untuk pelajar yang bertujuan untuk memperkenalkan
teknologi AI ke pelajar, dan juga memungkinkan mereka bisa membangun
perangkat AI, sehingga bisa membuat suatu produk yang menciptakan dampak baik
bagi perkembangan teknologi.
Pembelajaran berfokus pada 3 Domain AI seperti Data Science, Natural
Language Processing dan Computer Vision. Selain keterampilan AI ini, penulis
juga diajarkan Life Skills yang bisa dipergunakan untuk mencari kerja atau
menciptakan lapangan pekerjaan. Setelah belajar di program ini penulis bisa
menciptakan system penghitung kendaraan pada lalu lintas “Vehicles Counting
System in Traffic”.

1
 2

I.2 Lingkup
A. Foundation of AI and Life Skills for Gen-Z
Mahasiswa mendapatkan materi AI and Life Skills terkait industry 4.0.
Belajar bagaimana menciptakan sebuah ide bisnis, memanfaatkan peluang,
serta bagaimana menjadi seorang startup yang bisa menarik investor untuk
mendanai projek.
B. Logika dan Konsep Teknologi AI
Pembelajaran tentang perkembangan teknologi, sejarah Artificial
Intelligence (AI) dan prinsip-prinsip dasar AI serta pengenalan metode-metode
yang ada pada Domain AI.
C. Siklus Projek AI
Merancang dan mengimplementasikan AI Project Cycle (metode-metode
yang ada pada domain AI) dalam kehidupan sehari-hari.
D. Pemrograman Python
Python (bahasa pemrograman) merupakan bahasa pemrograman tinggi
yang bisa melakukan eksekusi sejumlah instruksi multi guna secara langsung
(interpretatif) dengan metode Object Oriented Programming dan juga
menggunakan semantik dinamis untuk memberikan tingkat keterbacaan
syntax.
E. Computer Vision
Computer vision adalah sebuah disiplin ilmu yang mempelajari
bagaimana merekonstruksi, menginterpretasikan, dan memahami sebuah
tampilan 3 dimensi dari tampilan 2 dimensinya dalam hal sifat dari
struktur tampilan tersebut. Computer Vision berkaitan dengan pemodelan
dan meniru penglihatan manusia dengan menggunakan perangkat lunak
dan perangkat keras pada komputer. Computer Vision menggabungkan ilmu
pengetahuan dalam bidang ilmu komputer, teknik elektro, matematika,
fisiologi, biologi, dan ilmu kognitif. Diperlukan ilmu dari semua
bidang tersebut untuk memahami dan menyimulasikan pengoperasian
penglihatan manusia.
F. Life Skills
 3

Life Skills adalah kemampuan seseorang untuk berani menghadapi

problema hidup dan kehidupan secara proaktif mencari serta menemukan
solusi sehingga akhirnya mampu mengatasinya dengan kemampuan
berinteraksi dan beradaptasi dengan orang lain, keterampilan mengambil
keputusan, pemecahan masalah, berfikir kritis, berpikir kreatif,
berkomunikasi yang efektif, membina hubungan antar pribadi, kesadaran diri,
berempati, mengatasi emosi dan mengatasi stress [4]. Pada kelas ini peserta
akan mengikuti pembelajaran berupa materi keterampilan interpersonal skill,
etika kerja, manajemen waktu, Komunikasi bisnis, pola berpikir CV dan
teknik wawancara.

I.3 Tujuan
Program studi independent kampus merdeka dan Orbit Future Academy telah
memberikan banyak sekali manfaat kepada mahasiswa. Pada akhir program Studi
Independen Bersertifikat penulis membuat projek akhir system penghitung
kendaraan lalu lintas “Vehicles Counting System in Traffic”
Vehicles Counting System In Traffic bertujuan untuk menghitung kendaraan
di jalan raya dan system ini berguna untuk mengurangi kemacetan pada jalan raya.
Sistem ini akan memberitahukan jumlah kendaraan pada suatu jalan dan
memberikan informasi kepada pengguna untuk menggunakan jalan lain jika jalan
yang akan dilalui pengguna telah melebihi kapasitas yang sudah ditentukan.
 Bab II Orbit Future Academy

II.1 Struktur Organisasi

Gambar 2.1 Logo Orbit Future Academy

Orbit Future Academy (OFA) didirikan pada tahun 2016 dengan tujuan untuk
meningkatkan kualitas hidup melalui inovasi, edukasi, dan pelatihan keterampilan.
Label atau brand Orbit merupakan kelanjutan dari warisan mendiang Prof. Dr. Ing.
B. J. Habibie (presiden Republik Indonesia ke-3) dan istrinya, Dr. Hasri Ainun
Habibie. Mereka berdua telah menjadi penggerak dalam mendukung perkembangan
inovasi dan teknologi pendidikan di Indonesia. OFA mengkurasi dan melokalkan
program/kursus internasional untuk upskilling atau reskilling pemuda dan tenaga
kerja menuju pekerjaan masa depan. Hal ini sesuai dengan slogan OFA, yakni
“Skills-for-Future-Jobs”.

Visi:
Memberikan pembelajaran berbasis keterampilan transformatif terbaik untuk para
pencari kerja & pencipta lapangan kerja.

Misi:
1. Membangun jaringan Orbit Transformation Center (OTC) secara nasional
untuk menyampaikan kurikulum keterampilan masa depan berbasis
sertifikasi melalui Platform Konten Digital.

1
 2

2. Secara proaktif bekerja dengan pemerintah & organisasi dengan mengubah

tenaga kerja mereka agar sesuai dengan perubahan pekerjaan yang terjadi
karena Industri 4.0.
3. Melatih pemuda dengan keterampilan kewirausahaan & mencocokkan
mereka dengan peluang masa depan yang muncul di berbagai industri.
4. Menghubungkan jaringan inkubator dan akselerator yang dikurasi ke
industri, investor, dan ekosistem start-up global.

Struktur organisasi OFA dapat dilihat pada Gambar 2.2.

Gambar 2.2 Struktur Organisasi OFA

II.2 Lingkup Pekerjaan

Seorang fasilitator akan mendampingi kurang lebih 40 peserta MSIB (student)
dalam satu kelas. Terdapat dua jenis fasilitator, yakni:
a. Homeroom Coach
Homeroom coach bertugas menyampaikan materi tentang dasar-dasar AI,
memberikan penilaian pada student, dan mengarahkan student saat
pengerjaan Proyek Akhir (PA).
 3

b. Domain Coach
Domain coach bertugas menyampaikan materi tentang domain AI atau life
skills dan memberikan penilaian pada student.
Lingkup pekerjaan student adalah mengikuti kelas bersama homeroom atau domain
coach, sesuai agenda kelas, hingga program selesai.

II.3 Deskripsi Pekerjaan

Berikut adalah deskripsi pekerjaan student sebelum pengerjaan PA:
a. Mengikuti pre-test.
b. Mengikuti kelas sesi pagi pada pukul 08.00 hingga 11.30 WIB.
c. Mengikuti kelas sesi siang pada pukul 13.00 hingga 16.30 WIB.
d. Mengulang materi yang telah disampaikan di kelas sesi pagi dan siang,
setelah kelas sesi siang, selama 1 jam (self-study).
e. Mengerjakan latihan individu atau kelompok yang diberikan oleh
homeroom atau domain coach saat kelas berlangsung.
f. Mengerjakan tugas yang diberikan homeroom atau domain coach hingga
batas waktu tertentu.
g. Mengerjakan mini project yang diberikan homeroom atau domain coach
hingga batas waktu tertentu
h. Mengikuti post-test.

Student memiliki peran untuk melakukan Problem Scoping, Data Acquisition dan
Data Exploration selama pengerjaan PA, dengan deskripsi pekerjaan sebagai
berikut:
a. Mencari dan melakukan riset untuk projek
b. Melakukan Problem Scoping untuk menjelaskan dan mencari tau terkait
masalah yang akan diselesaikan.
c. Mengumpulkan data dan berbagai referensi terkait projek yang diangkatkan
d. Melakukan Data Exploration terkait Data yang dimasukkan
 4

II.4 Jadwal Kerja

Program ini berlangsung setiap hari kerja (Senin sampai dengan Jumat) selama
8 jam per harinya, dengan rincian sebagai berikut:

Tabel 2.1 Agenda Kelas

Pukul (WIB) Durasi (jam) Aktivitas
08.00 s.d. 11.30 3.5 Kelas Sesi Pagi
13.00 s.d. 16.30 3.5 Kelas Sesi Siang
16.30 s.d. 17.30 1 Self-Study

Program ini berlangsung dari bulan Februari 2022 sampai dengan bulan Juli 2022.
 BAB III Vehicles Counting System in Traffic

III.1 Latar Belakang Proyek Akhir

Dewasa ini pengguna kendaraan bermotor khususnya di Indonesia semakin
meningkat, tentunya ini menjadikan jumlah kendaraan bermotor baik roda dua
maupun roda empat di jalan raya juga semakin meningkat. Menurut Badan Pusat
Statistik pada (2020) jumlah kendaraan bermotor di Indonesia pada tahun 2020
melebihi 136 juta, angka ini membuktikan bahwa jumlah kendaraan bermotor
mengalami peningkatan 1,89% dari tahun sebelumnya[1]. Kita ketahui bersama
bahwasanya sekarang ini sudah banyak terpasang kamera CCTV (Closed Circuit
Television) atau ATCS (Area Traffic Control System) pada jalan raya, baik itu di
lampu lalu lintas dan di setiap persimpangan jalan. Ini dimaksudkan agar arus lalu
lintas dapat terpantau oleh pihak Dinas Perhubungan. Selain itu kita sendiri juga
dapat memantau arus lalu lintas melalui situs yang disediakan oleh pihak Dinas
Perhubungan. Dari sana kita dapat mengetahui seberapa padat volume kendaraan
yang melintas di suatu jalan. Salah satu daerah yang memiliki fasilitas tersebut
adalah Kota Padang, dimana CCTV di daerah tersebut memiliki hasil video dengan
kualitas yang cukup bagus dan terdapat berbagai macam kendaraan khas Indonesia
yang terpantau dalam CCTV tersebut.
Umumnya untuk memperoleh data jumlah kendaraan yang melintasi suatu
jalan raya dilakukan secara manual dengan menugaskan petugas untuk menghitung
setiap kendaraan yang lewat pada suatu jalan dan dibagi pada rentang waktu
tertentu, namun metode tersebut masih memiliki beberapa kekurangan seperti
tingkat akurasi data yang kurang maksimal karena keterbatasan manusia,
membutuhkan waktu yang lama, dan membutuhkan sumber daya manusia yang
banyak.
Adanya perkembangan ilmu pengetahuan dan teknologi, kini penghitungan
jumlah kendaraan di jalan raya dapat dilakukan secara otomatis. Memanfaatkan
video CCTV yang disediakan oleh pihak pemerintah (Dinas Perhubungan)
penghitungan otomatis kendaraan dapat dilakukan dengan video processing,
Kecerdasan buatan atau biasa kita sebut Artificial Intelligence (AI) dapat mengolah

1
 2

video menjadi suatu informasi yang bermanfaat. Penghitungan jumlah kendaraan

otomatis harus melewati beberapa tahapan yakni seperti deteksi dan tracking.
Proses pendeteksian ini berfungsi membedakan kendaraan satu dengan yang lain
ataupun dengan non kendaraan pada suatu video dalam frame, dan hasil dari
pendeteksian tersebut akan digunakan untuk tracking dan selanjutnya dihitung
(counting). Salah satu metode deteksi objek pada AI yaitu background subtraction,
Background subtraction digunakan untuk deteksi foreground dan penulis
menggunakan algoritma MOG untuk pengurangan latar belakang pada mobil dan
jalan setelah itu dilakukan Filtering. Filtering digunakan untuk menghilangkan
beberapa noise pada foreground mask. Setelah itu lanjut dengan deteksi objek
dengan kontur dan membangun pipa pemrosesan untuk manipulasi data lebih
lanjut.
Vehicles Counting memberikan informasi jumlah kendaraan yang ada di
suatu jalan. Dengan Vehicles Counting pengguna jalan akan bisa menghindari
kemacetan dengan melihat jumlah kendaraan di ruas jalan yang akan dilalui dan
kemacetan bisa terurai. Berdasarkan uraian di atas, maka penulis membuat project
akhir SIB kampus merdeka dengan judul “Vehicle Counting system in traffic”.
III.2 Proses Pelaksanaan Proyek Akhir
1. Observasi
Dalam hal ini, penulis dan anggota kelompok lainnya melakukan observasi
dan memperhatikan lingkungan sekitar sehingga mendapatkan sebuah masalah
yang sedang terjadi di jalan raya yang dijelaskan pada lampiran C (Dokumen
Teknik). Observasi yang penulis lakukan juga disertai dengan mencari referensi
teori dan algoritma yang relevan dengan kasus atau permasalahan yang ditemukan.
Serta mengumpulkan data dan informasi yang digunakan selama perancangan dan
pembuatan aplikasi.
2. Pembuatan Aplikasi
Proses pembuatan aplikasi dilakukan dengan cara mengimplementasikan
aplikasi sesuai dengan konsep dan desain yang telah direncanakan. Proyek Akhir
yang berjudul Vehicles Counting System In Traffic ini dibuat menggunakan
algoritma Background Subtraction yang digunakan untuk deteksi foreground.
Dalam beberapa kasus, kita tidak bisa mendapatkan bingkai statis karena
pencahayaan dapat berubah, atau beberapa objek akan dipindahkan atau selalu ada
gerakan, dll. Dalam kasus seperti itu, penulis menyimpan sejumlah bingkai dan
mencoba mencari tahu piksel mana yang sama untuk sebagian besar dari mereka,
maka piksel ini menjadi bagian dari background layer. Selanjutnya penulis
menggunakan pemfilteran tambahan untuk membuat seleksi lebih akurat. Penulis
menggunakan algoritma MOG untuk pengurangan latar belakang dan setelah
diproses, terlihat seperti ini:

Gambar 3.1 Algoritma Background Subtraction

1
 2

Setelah mendapatkan hasil dari foreground kemudian dilakukan Filtering

untuk menghilangkan noise pada foreground mask. Pertama, penulis menggunakan
closing untuk menghilangkan celah di area, kemudian open untuk menghilangkan
titik 1-2 px, dan setelah itu dilation untuk membuat objek lebih jelas.

Gambar 3.2 Filtering untuk menghilangkan noise

Selanjutnya dengan object detection menggunakan contours, setelah
contours penulis melakukan building processing pipeline sehingga terciptalah
Vehicles Counting System In Traffic.

Gambar 3.3 Building processing pipeline

3. Pengujian Aplikasi
Sebelum di publikasikan, penulis melakukan uji coba terlebih dahulu agar tidak
terdapat kesalahan dalam aplikasi yang dibuat.
 3

4. Evaluasi dan Laporan

Melakukan evaluasi terhadap aplikasi Vehicle Counting System In Traffic
berdasarkan hasil monitoring dan proses pembuatan aplikasi.

Dalam pengerjaan terdapat hambatan seperti errornya codingan, sulitnya tahap

deployment, minimnya referensi yang penulis dapatkan dan lain sebagainya. Hasil
evaluasi akan dibuat laporan agar menjadi acuan untuk memperbaiki dan membuat
aplikasi menjadi lebih baik.
III.3 Hasil Proyek Akhir
Vehicles Counting merupakan sistem penghitung kendaraan berbasis
kecerdasan buatan (AI) Computer Vision yang dapat menghitung dengan cepat dan
akurat kendaraan di jalan raya dengan menggunakan logika background
subtraction, guna untuk mengurangi kemacetan pada jalan raya. Sistem ini akan
memberitahukan jumlah kendaraan pada suatu jalan dan memberikan informasi
kepada pengguna untuk menggunakan jalan lain jika jalan yang akan dilalui
pengguna telah melebihi kapasitas yang sudah ditentukan.

Gambar 3.4 Output Vehicle Counting System in Traffic

Kelebihan Vehicles Counting ini dapat mengurai kemacetan dan membantu
pengendara di jalan raya dalam efisiensi waktu karena mendeteksi jumlah
 4

kendaraan di jalan raya guna menghindari kemacetan. Namun vehicle counting ini
sendiri masih memiliki kelemahan yaitu perlu adanya penyesuaian program ketika
menggunakan jalan dengan jumlah ruas yang berbeda.
Aplikasi yang kami buat sekarang belum bisa di deploy ke website atau
aplikasi. Target kami adalah membuat website dan aplikasi untuk penghitung
kendaraan ini agar data yang didapatkan dapat dinikmati publik sehingga
memungkinkan masyarakat untuk tahu jumlah kendaraan seluruh jalan.
 BAB IV Penutup

IV.1 Kesimpulan
Berdasarkan kegiatan studi independen dengan program Foundation of AI
and Life Skills for Gen-Z yang penulis jalani di Orbit Future Academy, penulis telah
mencapai tujuan yang telah dirumuskan yaitu penulis telah mampu
mengidentifikasi objek data aktual terpenting diantara beberapa himpunan semesta
objek. Penulis juga mampu mengembangkan pola pikir, adaptif, dan mampu
mengenali secara luas permasalahan di lingkup dunia. Selain itu, penulis juga
mampu mengembangkan bahasa pemrograman berdasarkan studi kasus di dunia
nyata. Kemudian, penulis juga mampu menyelesaikan tugas project akhir yang
diberikan sebagai syarat kelulusan dari kegiatan studi independen ini dengan
membuat aplikasi Vehicle Counting System in Traffic. Selain itu, mendapatkan
wawasan dan keterampilan baru yang nantinya dapat dimanfaatkan dalam dunia
kerja. Wawasan dan keterampilan tersebut sebagian besar tidak didapatkan di
perkuliahan di mana di program studi independen ini segala hal yang belum tentu
didapat di perkuliahan bisa diimplementasikan melalui program ini secara nyata.
Setelah aplikasi Vehicle Counting System in Traffic dengan Accuracy 0.983
pada data train dan 0.966 pada data test ini selesai dan di implementasikan nantinya
di kehidupan nyata, maka masalah kepadatan lalu lintas akan dapat teratasi sedikit
demi sedikit. Tidak hanya masalah kepadatan lalu lintas, tetapi juga masalah
rendahnya akurasi yang didapatkan jika penghitungan jumlah kendaraan dilakukan
secara manual akan dapat teratasi dengan sangat baik.

IV.2 Saran
Perusahaan atau mitra sebaiknya mengembangkan program studi independen
baru yang lebih ramah untuk mahasiswa yang tidak memiliki background TI/Teknik
yang lebih simpel dan punya lebih banyak modul – modul keterampilan 4.0 untuk
membekali mahasiswa dalam mencari pekerjaan dan menciptakan lapangan pekerjaan.
Aplikasi Vehicle Counting system in Traffic ini seharusnya bisa dikembangkan
dengan sekaligus membaca kecepatan kendaraan yang dihitung agar kamera yang

1
 2

memantau bisa langsung memantau aturan di beberapa tempat mengenai Maksimal

kecepatan kendaraan yang melintas.
 BAB V Referensi

[1] S. M. S. A. A. Sukma Meutia, “ANALISIS KEMACETAN LALU – LINTAS

PADA KAWASAN PENDIDIKAN (STUDI KASUS JALAN POCUT
BAREN KOTA BANDA ACEH),” vol. I, no. 1, 2017.
[2] A. P. W. WIbowo, “Implementasi Teknik Computer Vision Dengan Metode
Colored Markers Trajectory Secara Real Time,” Jurnal Teknik Informatika,
vol. III, no. 1, pp. 45-48, 1 January 2016.
[3] R. Vinuesa, H. Azizpour, I. Leite, M. Balaam, V. Dignum, S. Domisch, A.
Felländer, S. D. Langhans, M. Tegmark dan F. F. Nerini, “The role of artificial
intelligence in achieving the Sustainable Development Goals,” NATURE
COMMUNICATIONS, pp. 1-10, 2020.
[4] M. R. a. B. Kurniawan, “Pembelajaran Pemrograman Python dengan
Pendekatan Logika Algoritma,” Jurnal Teknik Informatika Mahakarya, vol. III,
no. 2, pp. 37-44, 09 Desember 2020.

7
 BAB VI Lampiran A. TOR

TERM OF REFERENCE (TOR)

STUDI INDEPENDEN BERSERTIFIKAT
FOUNDATION OF AI AND LIFE SKILLS FOR GEN-Z
DI ORBIT FUTURE ACADEMY

A. Rincian Program
Foundation of AI and Life Skills for Gen-Z adalah program pelatihan
Artificial Intelligence (AI) daring yang bertujuan untuk memperkenalkan
teknologi dan perangkat AI kepada pelajar, sehingga diharapkan mereka dapat
mengembangkan produk AI yang memiliki dampak sosial. Program ini
berfokus pada komponen utama AI, seperti Data Science (DS), Natural
Language Processing (NLP), dan Computer Vision (CV). Selain keterampilan
AI, pelajar juga akan mendapat life skills yang bermanfaat untuk mencari atau
menciptakan lapangan kerja.

B. Tujuan Program
Tujuan yang diharapkan setelah peserta mengikuti program ini:
1. Memiliki wawasan tentang AI dan perkembangannya.
2. Mampu merancang dan mengimplementasikan AI Project Cycle.
3. Mampu menggunakan bahasa pemrograman Python untuk mengembangkan
aplikasi AI.
4. Mampu mengembangkan salah satu dari 3 domain AI (DS, NLP, dan CV)
hingga tahap deployment.
5. Mampu menggunakan soft skills dan hard skills dalam dunia industri dan
lingkungan perusahaan.
6. Mampu mengaplikasikan kiat-kiat yang dibutuhkan seorang wirausahawan
yang bergerak di bidang start-up dalam mentransformasikan ide ke dalam
bentuk produk/jasa sehingga dapat menciptakan peluang bisnis yang terus
berinovasi, berevolusi, dan berkelanjutan.

A-1
2
 3

BAB VII Lampiran B. Log Activity

Tabel 7.1 Log Activity
Minggu/Tgl Kegiatan Hasil
Minggu 10 / Mulai dari minggu ke-10 ini sudah tidak - Mendapatkan ide
25 - 29 April ada jadwal kelas via zoom, sehingga bisa dan menentukan
2022 fokus ke pengerjaan projek akhir. Mulai sistem yang ingin
diskusi kelompok membahas ide apa dibuat untuk
yang akan diangkatkan. Mencari-cari pembuatan proyek
referensi mengenai projek yang akhir
dikerjakan. Menetapkan salah satu - Mendapatkan
cabang AI untuk dijadikan project akhir jurnal-jurnal yang
sekaligus penetapan judul. Kelompok berkaitan dengan
saya memutuskan untuk mengangkat Computer Vision
sebuah judul yaitu Real Time Vehicle
Counting and Speed Estimation System,
bagian dari Computer Vision.
Minggu 12 / Minggu ini Full Diskusi kelompok - Menentukan
Senin, 09 Mei mengerjakan project, diantaranya : - mekanisme
2022 Pembagian tugas kelompok per anggota pembuatan project
-Mulai mencari data (Data Acquisition) dan mendapatkan
serta memikirkan alur project yang akan beberapa data.
dibuat -Membuat model -Mencari - Membuat model
referensi dan melakukan riset terhadap
project yang sedang dikerjakan
Minggu 13 / 16 Banyak sekali halang rintang di minggu - Mendapatkan
- 20 Mei 2022 ini dalam mengerjakan project, mulai model dari berbagai
dari kesibukan mengurus urusan magang referensi
dan lain sebagainya sehingga pikiran - Melakukan evaluasi
kami terpecah. Di minggu ini kami terhadap beberapa
melanjutkan modelling, mempelajari model yang telah
banyak sumber, dan lain lain. Hal yang dibuat
paling membuat kami pusing di minggu
ini yaitu karena project yang kami
kerjakan terbentur sehingga kami fokus
mencari cari referensi mengenai project
yang kami kerjakan, mencari solusi dari
berbagai masalah yang muncul(error),
sudah berbagai referensi kami pelajari
namun hasil yang kami dapatkan masih
belum sesuai dengan harapan.
Minggu 14 / Minggu ini rasanya sangat berat karena - Mendapatkan
23 - 27 Mei sebuah masalah muncul di codingan referensi atas
2022 yang kami kerjakan akibatnya minggu permasalahan yang
ini saya dan teman teman fokus mencari terjadi
 4

solusi dari masalah tersebut, dimana dari - Mendapatkan

judul yang kami ajukan yaitu real time Output program
vehicle counting and speed estimation
system, namun codingan yang kami buat
hanya mengeluarkan output berupa
vehicle counting.
Minggu 15 / Dalam minggu ini kami memutuskan - Mendapatkan solusi
30 Mei- 3 Juni untuk mengerjakan project sambil dari berbagai
2022 mencicil laporan akhir. Walaupun kami referensi.
terbentur dengan hasil yang tidak sesuai - Membuat laporan
harapan, namun kami terus mencari akhir.
referensi agar output yang dihasilkan - Mendapatkan
bisa sesuai dengan yang kami harapkan. output program.
Kami mencoba berkonsultasi dengan
coach dengan harapan bisa mendapatkan
titik terang dari project yang kami
kerjakan, namun belum ada balasan dari
coach yang kami tanyakan
Minggu 16 / 6 - Dalam minggu ini kami berfokus pada - Membuat desain
10 Juni 2022 deployment dan melakukan bimbingan UI/UX aplikasi.
bersama coach mengenai deployment - Mencoba
atas project yang telah kami buat, dan deployment.
kami juga mempelajari mengenai -
deployment ke web dengan desain
UI/UX yang telah kami rancang
Minggu 17 / 13 Pada minggu terakhir ini kami - Mengetahui kendala
- 17 Juni 2022 Melakukan bimbingan dengan coach selama deploy.
pada bidang technical, akan tetapi - Menyelesaikan
Karena beberapa kendala, project laporan.
dianggap clear karena outputnya sudah
ada dan merupakan deploy dalam bentuk
desktop. Lalu saya menyelesaikan
laporan individu yang akan
dikumpulkan.
 BAB VIII Lampiran C. Dokumen Teknik

1. AI Project Cycle
1. Problem Scoping
1) Who : Mengacu pada siapa yang menghadapi masalah dan siapa
pemangku kepentingan dari masalah tersebut.

1. Siapa saja yang mengalami masalah tersebut ? Pengendara

kendaraan bermotor.

2. Siapa saja yang terlibat dalam masalah tersebut? Pengendara,

Dinas Perhubungan, Aparat Kepolisian, Dinas Pekerjaan Umum.

3. Apa yang kamu ketahui tentang mereka? Mereka adalah para

pengguna dan pekerja jalan raya yang ingin mengetahui kepadatan
kendaraan di suatu wilayah.

2) What : Mengacu pada apa masalahnya dan bagaimana Anda tahu tentang
masalahnya.

1. Apa masalah utamanya? Pengguna kendaraan bermotor

khususnya di Indonesia semakin meningkat, tentunya ini
menjadikan jumlah kendaraan bermotor baik roda dua maupun roda
empat di jalan raya juga semakin meningkat.

2. Apa faktor-faktor pendukung masalah tersebut? Rendahnya

akurasi yang didapatkan jika penghitungan jumlah kendaraan
dilakukan secara manual.

3) Where : Hal ini terkait dengan konteks atau situasi atau lokasi masalah.

1. Pada kondisi seperti apa si calon “user” mengalami masalah ini?

Pada saat calon user ingin memantau keadaan dan mengetahui
jumlah kendaraan yang melintas di sebuah jalur jalan raya

C-1
 2

2. Dimana si calon “user” mengalami masalah ini? Dimana saja

untuk memonitor keadaan sebuah jalan.

4) Why : Mengacu pada mengapa kita perlu memecahkan masalah dan apa
manfaatnya bagi para pemangku kepentingan setelah menyelesaikan
masalah.

1. Apa nilai utama dari permasalahan ini? Aplikasi ini dibuat

memiliki manfaat yang sangat banyak dan sangat luas. Tidak hanya
para pengendara yang bisa menikmati manfaat aplikasi ini, tetapi
juga Dinas Perhubungan dan Aparat Kepolisian yang butuh
memantau dan menertibkan jalan yang terpantau, serta petugas
pekerja jalan yang akan dapat mengetahui apakah jalanan perlu
perluasan atau tidak.

2. Bagaimana kamu bisa memperbaiki (sebagian atau seluruh) dari

masalah tersebut? Dengan adanya aplikasi ini maka perhitungan
jumlah kendaraan akan jauh lebih akurat dibandingkan dengan
dihitung secara manual.

2. Data Acquisition
Data yang didapatkan yaitu sebanyak 3 buah video yang mana nantinya
akan digunakan satu per satu video jalan raya yang dilalui oleh kendaraan yang
di dapatkan dari internet sebagai sample sebelum aplikasi ini dikembangkan
sehingga harapannya bisa secara real time dengan menerapkan system kamera.
3. Data Exploration
Data yang didapatkan perlu melalui berbagai tahapan agar bisa digunakan,
pertama dilakukan dulu subtraction background agar video bisa dibedakan
menjadi background dan foreground. Kami menggunakan algoritma MOG
untuk subtraction background sehingga nantinya digunakan rumus sederhana
yaitu foreground_objects = current_frame - background_layer.
 3

Selanjutnya dilakukan Filtering pada data untuk menghilangkan beberapa

noise pada foreground mask.
4. Modelling
Proyek Akhir yang berjudul Vehicles Counting System In Traffic ini dibuat
menggunakan algoritma Background Subtraction yang digunakan untuk deteksi
foreground. Dalam beberapa kasus, kita tidak bisa mendapatkan bingkai statis
karena pencahayaan dapat berubah, atau beberapa objek akan dipindahkan atau
selalu ada gerakan, dll. Dalam kasus seperti itu, penulis menyimpan sejumlah
bingkai dan mencoba mencari tahu piksel mana yang sama untuk sebagian besar
dari mereka, maka piksel ini menjadi bagian dari background_layer.
Selanjutnya penulis menggunakan pemfilteran tambahan untuk membuat
seleksi lebih akurat. Penulis menggunakan algoritma MOG untuk pengurangan
latar belakang dan setelah diproses, terlihat seperti ini:

Gambar 8.1 Algoritma Background Subtraction

Setelah mendapatkan hasil dari foreground kemudian dilakukan Filtering
untuk menghilangkan noise pada foreground mask. Pertama, penulis
menggunakan closing untuk menghilangkan celah di area, kemudian open
untuk menghilangkan titik 1-2 px, dan setelah itu dilation untuk membuat objek
lebih jelas.
 4

Gambar 8.2 Filtering untuk menghilangkan noise

Selanjutnya dengan object detection menggunakan contours, setelah
contours penulis melakukan building processing pipeline sehingga
terciptalah Vehicles Counting System In Traffic.

Gambar 8.3 Building processing pipeline

5. Evaluation
Proses evaluasi ialah nilai akhir suatu keputusan berdasarkan acuan
tertentu untuk mencapai tujuan tertentu. Pada tahap ini, data yang telah
dimodelkan pada algoritma akan menjalani prosedur evaluasi untuk
menentukan apakah data yang dimasukkan valid atau masih ada ketidakpastian,
serta untuk menentukan apakah algoritma yang digunakan memiliki celah atau
kesalahan saat running. Pada proses evaluasi, penulis mendapatkan Accuracy
0.983 pada data train dan 0.966 pada data test.
 5

6. Deployment
Deployment penulis lakukan pada desktop dengan metode Video
yang di Download. Sebelumnya penulis telah mencoba melakukan
deployment pada web namun setelah UI/UX aplikasinya selesai dibuat
dengan HTML, proses deployment pada web tidak berhasil. Berikut desain
UI/UX yang telah kami buat untuk deployment ke web :

Gambar 8.4 Tampilan UI/UX aplikasi

Pada akhirnya, dengan terpaksa penulis hanya dapat memaparkan
output berupa video yang terdownload otomatis dari codingan.
2. Profil Tim dan Deskripsi Pembagian Tugas

Tabel 8.1 Foto Profil Tim

Rizki Aulia M. Hanaf Wal Rivani Widya Hafizh Julio Z Yuliano

Ikram Astuti Komanjali
 6

Tabel 8.2 Deskripsi Pembagian tugas

No Nama Deskripsi Tugas

1. Rizki Aulia ● Membuat code program pada AI

Yuliano ● Melakukan Problem Scooping dan Data

2.
Komanjali Acquisition

M. Hanaf Wal
3. ● Perancangan UI/UX pada aplikasi
Ikram

● Membuat model untuk identifikasi dan

4. Hafizh Julio Z
evaluasi

Rivani Widya
5. ● Melakukan Deployment
Astuti

3. Deskripsi Aplikasi
a. Nama dan Fungsi Aplikasi
Vehicles Counting System merupakan sistem penghitung kendaraan
berbasis kecerdasan buatan (AI) Computer Vision yang dapat menghitung
dengan cepat dan akurat kendaraan di jalan raya dengan menggunakan logika
background subtraction, guna untuk mengurangi kemacetan pada jalan raya.
Sistem ini akan memberitahukan jumlah kendaraan pada suatu jalan dan
memberikan informasi kepada pengguna untuk menggunakan jalan lain jika
jalan yang akan dilalui pengguna telah melebihi kapasitas yang sudah
 7

ditentukan.

Proses pembuatan aplikasi dilakukan dengan cara

mengimplementasikan aplikasi sesuai dengan konsep dan desain yang telah
direncanakan. Proyek Akhir yang berjudul Vehicles Counting System In Traffic
ini dibuat menggunakan algoritma Background Subtraction yang digunakan
untuk deteksi foreground. Dalam beberapa kasus, kita tidak bisa mendapatkan
bingkai statis karena pencahayaan dapat berubah, atau beberapa objek akan
dipindahkan atau selalu ada gerakan, dll. Dalam kasus seperti itu, penulis
menyimpan sejumlah bingkai dan mencoba mencari tahu piksel mana yang
sama untuk sebagian besar dari mereka, maka piksel ini menjadi bagian dari
background_layer. Selanjutnya penulis menggunakan pemfilteran tambahan
untuk membuat seleksi lebih akurat. Penulis menggunakan algoritma MOG
untuk pengurangan latar belakang dan setelah diproses, terlihat seperti ini:

Setelah mendapatkan hasil dari foreground kemudian dilakukan

Filtering untuk menghilangkan noise pada foreground mask. Pertama, penulis
 8

menggunakan closing untuk menghilangkan celah di area, kemudian open

untuk menghilangkan titik 1-2 px, dan setelah itu dilation untuk membuat objek
lebih jelas.

Selanjutnya dengan object detection menggunakan contours, setelah

contours penulis melakukan building processing pipeline sehingga terciptalah
Vehicles Counting System In Traffic.
 9

b. Jenis Aplikasi dan Specific Requirement

Aplikasi Vehicle Counting System in Traffic ini awalnya akan kami deploy
ke website, namun karena terdapat kendala yang telah dijelaskan pada bagian
AI Project Cycle akhirnya deployment dilakukan pada desktop. Aplikasi ini bisa
dibuka menggunakan Google Colab yang nantinya output akan terdownload
berupa video, atau menggunakan Jupyter Notebook, dan Notebook lainnya.
c. User Interface
 10

d. Keterangan Lainnya
Pada awalnya Project ini kami rencanakan untuk dapat langsung
menghitung kendaraan dan mencari tau kecepatan kendaraan yang terhitung.
Namun karena beberapa kendala yang menjadikan project ini hanya sampai
pada menghitung kendaraan. Harapannya pada masa depan project ini bisa
digunakan dan dikembangkan sehingga bisa diimplementasikan pada kamera
cctv agar pengamatan bisa dilakukan secara real time.