Indonesia IMPLEMENTASI MODEL DEEP LEARNING UNTUK DETEKSI DAN KLASIFIKASI JENIS KERUSAKAN JALAN DI KOTA PALANGKARAYA

Ricard Jonathan, Nova Noor Kamala Sari, Efrans ChristianNon-Scopus31 Januari 2026Afiliasi: ID

Abstrak

Jalan merupakan infrastruktur penting yang mendukung aktivitas masyarakat, sehingga kerusakan yang tidak segera diperbaiki dapat menghambat mobilitas dan meningkatkan risiko kecelakaan. Penelitian ini mengembangkan aplikasi mobile pelaporan kondisi jalan yang terintegrasi dengan model deep learning YOLOv8 untuk mendeteksi dan mengklasifikasikan tingkat kerusakan. Dataset terdiri dari 2.296 citra untuk klasifikasi kondisi jalan (baik, sedang, rusak ringan, rusak berat) dan 2.245 citra untuk mendeteksi tujuh jenis kerusakan, termasuk amblas, bergelombang, lubang besar, lubang kecil, serta berbagai jenis retak. Evaluasi pada 420 citra menunjukkan performa deteksi dengan Precision 62,4%, Recall 62,0%, dan mAP 62,9%. Kelas Amblas memberikan hasil terbaik, sedangkan Retak Buaya memiliki performa terendah. Pada klasifikasi kondisi jalan, YOLOv8 menunjukkan akurasi sangat baik, mencapai hingga 100% pada kategori rusak berat. Hasil ini menunjukkan bahwa YOLOv8 efektif dalam menganalisis kondisi jalan meskipun tingkat kepastian deteksi berbeda pada setiap jenis kerusakan.

Identifier

Buka Sumber ResmiEkspor BibTeX
Scroll to Top