Sensor dan kamera telah digunakan sekian lama dalam montoring lalu lintas untuk mendeteksi kemacetan lalu lintas. Kemacetan lalu lintas disebabkan karena perkembangan infrastruktur yang lambat tidak sebanding dengan peningkatan jumlah kendaraan. Citra lalu lintas diolah dengan menggunakan pengolahan citra menjadi 3 kondisi lalu lintas yaitu lancar, ramai, dan padat. Pengolahan citra merupakan suatu metode untuk mengolah citra. Citra RGB diubah menjadi grayscale dengan cara dibagi menjadi 3 layer dimensi. Penjumlahan dari masing-masing nilai piksel pada layer dimensi dibagi 3 menghasilkan citra grayscale 2 dimensi. Grayscale diubah menjadi citra biner dengan menggunakan binay mask. Citra biner dibagi menjadi 2 bagian yaitu foreground dan background. Citra biner dibagi menjadi 5 segmen dengan ukuran berbeda. Algoritma Monte Carlo digunakan untuk menghitung luas foreground pada citra biner dalam menentukan status lalu lintas. Hasil testing 1 menunjukkan skenario 1 menghasilkan performa terbaik dengan precision ramai bernilai 44%, recall ramai bernilai 77%, precision lancar bernilai 92%, recall lancar bernilai 73%, dan akurasi bernilai 73%. Hasil testing 2 menunjukkan skenario 2 menghasilkan performa terbaik dengan precision padat bernilai 100%, recall padat bernilai 99%, dan akurasi bernilai 99%.
Kata Kunci: Grayscale, Pengolahan Citra, Segmen Gambar, Algoritma Monte Carlo, Kemacetan Lalu Lintas, Status Lalu Lintas