Perkembangan teknologi Artificial Intelligence (AI) dan computer vision telah mendorong pemanfaatan sistem cerdas dalam berbagai bidang, salah satunya pada sektor transportasi. Computer vision memungkinkan komputer untuk mengekstraksi informasi dari citra atau video digital guna mengenali, mengklasifikasikan, dan menganalisis objek secara otomatis. Penerapan teknologi ini menjadi semakin relevan seiring meningkatnya kebutuhan akan sistem pemantauan lalu lintas yang cepat, akurat, dan berkelanjutan, terutama di wilayah perkotaan dengan tingkat mobilitas kendaraan yang tinggi (Imanuel et al., 2024). Peningkatan jumlah kendaraan bermotor di jalan raya menimbulkan berbagai permasalahan, seperti kemacetan, kecelakaan lalu lintas, serta keterbatasan dalam proses pengawasan kendaraan. Sistem pemantauan lalu lintas konvensional yang masih mengandalkan observasi manual memiliki keterbatasan dalam hal konsistensi, akurasi pencatatan, serta efisiensi waktu. Selain itu, ketergantungan pada tenaga manusia menyebabkan potensi kesalahan pengamatan dan keterlambatan dalam pengambilan keputusan. Oleh karena itu, dibutuhkan sistem Smart Detection Kendaraan yang mampu melakukan proses deteksi dan klasifikasi kendaraan secara otomatis dan real-time. Salah satu pendekatan yang banyak digunakan dalam sistem deteksi objek adalah metode Deep Learning, khususnya algoritma You Only Look Once (YOLO). YOLO merupakan algoritma deteksi objek yang mampu melakukan proses deteksi dan klasifikasi dalam satu tahap (single-stage detector), sehingga memiliki keunggulan dalam kecepatan pemrosesan tanpa mengorbankan tingkat akurasi. Berbagai penelitian menunjukkan bahwa YOLO efektif digunakan untuk mendeteksi dan mengklasifikasikan kendaraan seperti sepeda motor dan mobil pada citra maupun video, baik 1 yang bersumber dari CCTV, dashcam, maupun kamera statis lainnya (Ramadhani et al., 2023; Aulia et al., 2024). Penerapan algoritma YOLO dalam sistem pemantauan lalu lintas memungkinkan identifikasi jenis kendaraan secara otomatis, sehingga data yang dihasilkan dapat dimanfaatkan untuk berbagai keperluan, seperti analisis kepadatan lalu lintas, evaluasi pelanggaran, serta perencanaan transportasi. Penelitian terbaru juga menunjukkan bahwa penggunaan YOLO versi terkini mampu meningkatkan performa deteksi kendaraan dalam kondisi lingkungan yang kompleks, seperti pencahayaan rendah dan kepadatan lalu lintas tinggi (Hidayat dan Whardana, 2024; Mageswari et al., 2023). Seiring meningkatnya kebutuhan akan sistem pemantauan lalu lintas yang terintegrasi dan berbasis digital, penggunaan kamera CCTV sebagai sumber data visual menjadi solusi yang semakin relevan. CCTV telah banyak terpasang di ruas jalan dan persimpangan, sehingga dapat dimanfaatkan secara optimal dengan mengintegrasikannya ke dalam sistem smart detection berbasis AI. Dengan pengolahan citra dan video secara otomatis, sistem ini mampu menghasilkan informasi yang lebih objektif, terstruktur, dan dapat diakses secara real-time (Imanuel et al., 2024). Berdasarkan kondisi tersebut, kegiatan magang ini berfokus pada pengembangan sistem Smart Detection Kendaraan berbasis CCTV yang mampu mendeteksi dan mengklasifikasikan kendaraan, khususnya sepeda motor dan mobil, secara otomatis menggunakan algoritma YOLO. Sistem yang dikembangkan diharapkan dapat menjadi solusi pendukung dalam proses pemantauan lalu lintas dengan meningkatkan efisiensi pengawasan, akurasi pencatatan data kendaraan, serta mendukung pengambilan keputusan berbasis data pada sistem transportasi jalan raya. 2 Melihat adanya kebutuhan tersebut di lingkungan praktis, khususnya pada institusi yang bergerak di bidang pengembangan teknologi informasi dan sistem cerdas, diperlukan pengembangan sistem pemantauan yang mampu menjawab tantangan pengawasan lalu lintas secara efektif dan efisien. Dalam konteks inilah PT. Zona Kreatif Indonesia melaksanakan pengembangan sistem Smart Detection Kendaraan berbasis CCTV sebagai bagian dari kegiatan magang. Zona Kreatif Indonesia merupakan institusi yang bergerak dalam pengembangan solusi digital dan teknologi kreatif, termasuk penerapan kecerdasan buatan dan pengolahan citra untuk mendukung kebutuhan sistem informasi berbasis data visual. Salah satu fokus pengembangan sistem yang dilakukan adalah pemanfaatan kamera CCTV untuk mendeteksi dan mengklasifikasikan jenis kendaraan di jalan raya, khususnya sepeda motor dan mobil, sebagai upaya mendukung sistem pemantauan lalu lintas yang lebih terintegrasi. Selama ini, proses pemantauan kendaraan pada ruas jalan umumnya masih dilakukan secara manual melalui observasi langsung atau pemantauan visual pasif dari rekaman CCTV, tanpa dukungan sistem analisis otomatis. Kondisi tersebut menyebabkan keterbatasan dalam pengolahan data kendaraan, baik dari segi kecepatan, akurasi, maupun konsistensi pencatatan informasi. Selain itu, data hasil pemantauan belum terstruktur dengan baik sehingga kurang optimal untuk dimanfaatkan sebagai dasar analisis maupun pengambilan keputusan. Oleh karena itu, diperlukan sistem berbasis kecerdasan buatan yang mampu mengolah data video CCTV secara otomatis dan real-time. Proyek ini bertujuan untuk mengembangkan sistem Smart Detection Kendaraan yang mampu melakukan deteksi dan klasifikasi kendaraan secara otomatis menggunakan algoritma deep learning berbasis You Only Look Once (YOLO). Sistem yang dikembangkan tidak hanya berfungsi untuk menampilkan hasil deteksi kendaraan secara visual, tetapi juga dirancang agar dapat dikembangkan lebih lanjut untuk kebutuhan analisis lalu lintas, seperti pencatatan jumlah kendaraan dan pemantauan kepadatan jalan. Dengan memanfaatkan teknologi computer vision, sistem 3 ini diharapkan mampu meningkatkan efisiensi proses pemantauan serta menghasilkan data yang lebih objektif dan terstruktur. Mengingat sistem ini mengolah data visual dari kamera CCTV yang berpotensi mengandung informasi sensitif, aspek keamanan dan keandalan sistem menjadi perhatian utama dalam proses pengembangannya. Oleh karena itu, sistem dirancang dengan mekanisme pengelolaan akses dan pengolahan data yang terkontrol guna memastikan integritas serta keandalan hasil deteksi. Implementasi sistem Smart Detection Kendaraan berbasis CCTV ini diharapkan dapat menjadi solusi pendukung dalam pengawasan lalu lintas serta menjadi dasar pengembangan sistem cerdas lainnya di bidang transportasi berbasis teknologi digital