Deteksi Jalan Berlubang Secara Real-Time Berbasis You Only Look Once Sebagai Upaya Pengingat Untuk Pengendara

Iqbal Tachtiar Rosadi, . (2024) Deteksi Jalan Berlubang Secara Real-Time Berbasis You Only Look Once Sebagai Upaya Pengingat Untuk Pengendara. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (592kB)
	Text BAB I.pdf Restricted to Registered users only Download (123kB)
	Text BAB II.pdf Restricted to Registered users only Download (456kB)
	Text BAB III.pdf Restricted to Registered users only Download (288kB)
	Text BAB IV.pdf Restricted to Registered users only Download (913kB)
	Text BAB V.pdf Restricted to Registered users only Download (9kB)
	Text JURNAL.pdf Restricted to Registered users only Download (363kB)

Abstract

Lubang di jalan merupakan ancaman signifikan bagi keselamatan pengendara dan kondisi kendaraan, yang berpotensi menyebabkan kecelakaan serta meningkatkan biaya pemeliharaan. Metode konvensional untuk mendeteksi dan memperbaiki lubang jalan sering kali tidak efisien dan memerlukan banyak tenaga. Oleh karena itu, diperlukan sistem pendeteksi lubang yang otomatis, akurat, dan efisien untuk mendeteksi dan mengukur kerusakan jalan secara real-time. Penelitian ini bertujuan untuk mengembangkan sistem deteksi lubang jalan berbasis Convolutional Neural Network (CNN) menggunakan arsitektur YOLO (You Only Look Once), yang mengintegrasikan kamera smartphone untuk menangkap gambar resolusi tinggi selama perjalanan. Gambar tersebut diproses menggunakan aplikasi Visual Studio Code untuk mendeteksi dan menghitung kerusakan lubang jalan dengan akurasi yang tinggi. Sistem yang diusulkan mampu mendeteksi lubang secara real-time, memberikan informasi kedalaman lubang, serta memperingatkan pengendara dengan peringatan suara untuk meningkatkan keamanan berkendara. Penerapan sistem ini diharapkan dapat membantu pihak terkait dalam melakukan pemeliharaan jalan yang tepat waktu, meningkatkan keselamatan di jalan raya, serta mengurangi angka kecelakaan lalu lintas yang disebabkan oleh jalan rusak. Hasil penelitian menunjukkan bahwa metode YOLO memiliki performa terbaik dalam mendeteksi dan mengklasifikasikan lubang jalan, sehingga cocok di implementasikan dalam sistem pendeteksi lubang jalan di Indonesia secara real-time. Kata Kunci: Deteksi Lubang Jalan, YOLO, Convolutional Neural Network (CNN), Real-Time, Keamanan Berkendara, Pemeliharaan Jalan, Peringatan Suara, Object Detection.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Deteksi Lubang Jalan, YOLO, Convolutional Neural Network (CNN), Real-Time, Keamanan Berkendara, Pemeliharaan Jalan, Peringatan Suara, Object Detection
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Agus Sugiarto
Date Deposited:	05 Feb 2025 04:56
Last Modified:	05 Feb 2025 04:56
URI:	http://repository.unpam.ac.id/id/eprint/16324

Actions (login required)

View Item