Penerapan Deteksi Objek Secara Real-Time Dengan YOLO-LITE dan Multicalibration Monocular Camera Distance Estimation Berbasis Mobile (Studi Kasus Kendaraan Roda Empat Berdasarkan Lima Tipe)

Perkembangan teknologi Real-Time Object Detection (RTOD) memungkinkan sistem mendeteksi objek kendaraan secara otomatis untuk mendukung berbagai aplikasi keselamatan dan pemantauan lalu lintas. Namun, implementasi model deteksi objek pada perangkat mobile masih menghadapi keterbatasan sumber daya komputasi sehingga diperlukan model yang ringan tanpa mengurangi kemampuan deteksi secara real-time. Selain mendeteksi objek, informasi jarak kendaraan juga diperlukan untuk memberikan informasi posisi kendaraan terhadap kamera. Penelitian ini bertujuan menentukan kombinasi confidence threshold dan anchor box terbaik pada model YOLO-LITE untuk mendeteksi lima tipe kendaraan roda empat pada perangkat mobile, serta menentukan nilai focal length terbaik menggunakan metode Multicalibration Monocular Camera Distance Estimation untuk meningkatkan akurasi estimasi jarak. Dataset yang digunakan terdiri atas 2.250 citra kendaraan dengan lima kelas, yaitu MPV, Hatchback, SUV, Pickup, dan Van. Pengujian model dilakukan menggunakan empat skenario kombinasi confidence threshold dan jumlah anchor box, kemudian skenario terbaik digunakan pada proses estimasi jarak dengan variasi jarak kalibrasi 250 cm, 300 cm, 350 cm, 400 cm, 450 cm, dan 500 cm. Hasil penelitian menunjukkan bahwa kombinasi confidence threshold 0,5 dengan 4 anchor box memberikan performa terbaik dengan nilai Mean Average Precision (mAP) sebesar 14,89% dan kecepatan pemrosesan rata-rata 10,6–10,8 Frame per Second (FPS), sehingga mampu menjalankan deteksi objek dan estimasi jarak secara real-time pada perangkat mobile. Hasil pengujian Multicalibration Monocular Distance bahwa setiap tipe kendaraan roda empat memiliki nilai focal length optimal yang berbeda. Tipe MPV memperoleh nilai focal length optimal sebesar 542,95 dengan MAPE 2,62% pada jarak kalibrasi 450 cm, SUV sebesar 554,55 dengan MAPE 6,92% pada jarak 250 cm, hatchback sebesar 580,74 dengan MAPE 5,49% pada jarak 350 cm, pickup sebesar 467,83 dengan MAPE 6,92% pada jarak 250 cm, dan van sebesar 620,53 dengan MAPE 2,10% pada jarak 300 cm. Hasil penelitian juga menunjukkan bahwa akurasi estimasi jarak tidak hanya dipengaruhi oleh nilai focal length, tetapi juga oleh kualitas deteksi objek dan kestabilan bounding box, sehingga peningkatan mAP model RTOD YOLO-LITE masih diperlukan untuk menghasilkan estimasi jarak yang lebih konsisten pada seluruh tipe kendaraan.