SISTEM MONITORING AREA PARKIR BERBASIS KAMERA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK UNTUK KETERSEDIAAN SLOT PARKIR

Abstract

ABSTRAK  

SISTEM MONITORING AREA PARKIR BERBASIS KAMERA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK UNTUK KETERSEDIAAN SLOT PARKIR. Permasalahan keterbatasan informasi mengenai ketersediaan lahan parkir di area publik sering menyebabkan kemacetan, antrean kendaraan, serta pemborosan waktu dan bahan bakar. Penelitian ini bertujuan mengembangkan sistem monitoring area parkir berbasis kamera menggunakan Convolutional Neural Network untuk mendeteksi ketersediaan slot parkir secara real-time. Metode penelitian dilakukan dengan pengumpulan dataset citra slot parkir menggunakan kamera statis yang kemudian dilabeli menjadi dua kelas, yaitu kosong dan terisi. Data diproses menggunakan arsitektur CNN yang terdiri dari layer Conv2D, MaxPooling2D, dan Dense dengan framework TensorFlow dan bahasa pemrograman Python. Sistem diimplementasikan ke dalam antarmuka web berbasis Flask untuk menampilkan status slot parkir secara visual. Hasil pengujian menunjukkan akurasi pelatihan mencapai 99% dan akurasi pengujian berada pada rentang 94% hingga 96%, dengan akurasi keseluruhan sebesar 65% dan nilai F1-score sebesar 0,64. Pengujian fungsional menggunakan metode black box menunjukkan seluruh fitur sistem berjalan sesuai dengan kebutuhan. Berdasarkan hasil tersebut, sistem ini dapat digunakan sebagai solusi awal pemantauan ketersediaan lahan parkir secara efisien tanpa kehadiran langsung petugas.

Kata kunci: Sistem, Monitoring, Parkir, Berbasis, Kamera   

ABSTRACT  

CAMERA-BASED PARKING AREA MONITORING SYSTEM USING CONVOLUTIONAL NEURAL NETWORK FOR PARKING SLOT AVAILABILITY. The limited availability of information regarding parking spaces in public areas often leads to traffic congestion, vehicle queues, and inefficient use of time and fuel. This study aims to develop a camera-based parking area monitoring system using a Convolutional Neural Network to detect parking slot availability in real time. The research method involves collecting a dataset of parking slot images using a static camera, which are then labeled into two classes, namely vacant and occupied. The data are processed using a CNN architecture consisting of Conv2D, MaxPooling2D, and Dense layers, implemented with the TensorFlow framework and the Python programming language. The system is integrated into a Flask-based web interface to visually display parking slot status. The experimental results show that the training accuracy reaches 99%, while the testing accuracy ranges from 94% to 96%, with an overall accuracy of 65% and an F1-score of 0.64. Functional testing using the black-box method indicates that all system features operate as expected. Based on these results, the proposed system can serve as an initial solution for efficient parking space availability monitoring without the need for direct human supervision.

Keywords: Camera, Based, Parking, Monitoring, System