Implementasi Algoritma Yolo Untuk Mendeteksi Jalan Berlubang dan Retak

Abstrak

Jalan merupakan sarana transportasi yang diperuntukan bagi lalu lintas sekaligus menjadi fasilitas publik yang mendukung mobilitas dan aksebilitas pengguna jalan. Kerusakan jalan seringkali ditemui dan pengidentifikasiannya dilakukan secara manual. Semenjak ditemukannya Computer Vision pada tahun 1950-an, deteksi dan klasifikasi suatu objek telah banyak diminati oleh banyak pihak, baik di bidang industri maupun kedokteran, sejak saat itu banyak yang melakukan penelitian dengan berbagai algoritma Deep Learning yang dapat mendeteksi suatu objek. Penelitian dilakukan dengan menggunakan Algoritma YOLOv8 (You Only Look One) untuk mendeteksi dan mengklasifikasi data berupa citra dimana algoritma ini bekerja dengan cara memprediksi bounding box dan kelas probabilitas pada citra utuh dalam sekali capture. Dalam penerapannya, data dibagi menjadi data pelatihan, valid dan tes. Data ini berupa kumpulan citra jalan rusak dengan kategori retak dan berlubang. Dengan menggunakan kondisi khusus dalam menjalankan algoritma YOLOv8 maka hasil yang didapatkan berupa perhitungan Confusion Matrix. Penelitian dilakukan dengan cara menganalisis hasil dari masing-masing perbandingan data latih dan validasi sebesar 70%-30%, 80%-20% dan 90%-10% serta berbagai epoch mulai dari 25x, 50x sampai dengan 100x. Hal ini dilakukan untuk melihat sejauh mana proses pelatihan dapat menghasilkan hasil terbaik. Hasil penelitian yang diperoleh menunjukkan tingkat konfidence tertinggi saat data memiliki rasio 90% - 10% untuk data pelatihan dan validasi dengan mencapai 97%, MAP sebesar 93.2%, F1 sebesar 88,7%, Recall 90.8% dan Precision 86.7% pada epoch ke-100.

Identifier

• OpenAlex: https://openalex.org/W4414969136
• DOI: https://doi.org/10.62527/jitsi.6.3.488