<![CDATA[Peningkatan jumlah dan variasi jenis kendaraan terus berkembang seiring dengan meningkatnya permintaan pasar. Permasalahan baru timbul akibat meningkatnya jumlah dan variasi jenis kendaraan seperti meningkatnya pelanggaran lalu lintas dan kriminalitas. Dengan kondisi ini, pengawasan pelanggar lalu lintas dan kriminalitas secara manual oleh pihak berwajib akan lebih sulit dilakukan terutama di daerah perkotaan. Sistem pengenalan jenis dan warna kendaraan atau Vehicle Color, Make and Model Recognition (VCMMR) adalah komponen penting dalam pengembangan sistem pengawasan keamanan di era otomatisasi. Dengan memanfaatkan CCTV, sistem ini dapat diaplikasikan pada sistem gerbang otomatis, pengawasan kendaraan otomatis, pemantauan lalu lintas, dll. Sistem VCMMR yang dapat bekerja secara real-time dapat meningkatkan keamanan dengan menghasilkan data kendaraan lengkap berupa warna, merek dan model kendaraan selain menggunakan pengenalan plat nomor kendaraan. Penelitian ini menggunakan metode k-Nearest Neighbor untuk mengklasifikasikan warna kendaraan dan framework YOLACT dengan arsitektur ResNet-50 yang telah dilatih untuk mengenali merek dan model kendaraan. Dataset dalam penelitian ini terdiri dari 10 jenis kendaraan dengan 40 citra data latih tiap kelas dan 10 warna dengan 25 citra data latih tiap kelas. Pengujian dilakukan menggunakan enam model YOLACT dengan epoch berbeda dan tiga variasi frame sampling untuk mengurangi waktu komputasi. Hasil pengujian pada video data uji empat kendaraan menunjukkan bahwa frame sampling 250 milidetik menghasilkan performa terbaik dengan waktu komputasi rata-rata 16,08 detik. Model YOLACT dengan epoch yang lebih besar mampu mengenali kendaraan yang berada jauh dari kamera (objek kecil) dengan lebih baik, akurasi yang diperoleh yaitu 91,67% pada epoch 517.]]>
