Sistem Deteksi Dan Estimasi Dimensi Menggunakan Metode Deep Learning Dan Adaptive ROI

Abstract

Kerusakan jalan merupakan salah satu faktor penyebab kecelakaan lalu lintas. Berdasarkan data Dit Lantas Polda Metro Jaya, tercatat 40 kasus kecelakaan, dengan rincian 12 kasus disebabkan oleh jalan rusak, 15 kasus akibat jalan berlubang, 11 kasus karena jalan licin, dan 2 kasus terkait tidak adanya rambu serta tikungan tajam. Selain menyebabkan kecelakaan, kondisi jalan yang rusak juga berdampak negatif terhadap perekonomian masyarakat dan memperlambat akses transportasi, sehingga mengurangi kenyamanan pengguna jalan. Untuk mengatasi permasalahan ini dan menekan angka kecelakaan akibat kerusakan jalan, diperlukan upaya inovatif. Salah satu solusinya adalah pemanfaatan Tensorflow untuk mendeteksi kerusakan jalan secara realtime, yang memungkinkan pengiriman data kerusakan beserta lokasinya. Namun, teknologi ini belum mampu memperkirakan dimensi kerusakan. Oleh karena itu, penulis mengusulkan “Sistem Deteksi dan Estimasi Dimensi Menggunakan Metode Deep Learning dan Adaptive Roi”. Sistem ini menggunakan kamera untuk menangkap gambar kerusakan jalan, yang kemudian diproses oleh Mini PC. Data diproses dengan Framework PyTorch Object Detection dengan YOLOv5s. Setelah mengidentifikasi jenis kerusakan jalan, Area Estimation System akan digunakan untuk melakukan proses estimasi area pada kerusakan jalan. Selanjutnya, data akan dikirim ke cloud server. Dari hasil pengujian seluruh sistem yang telah dilakukan, sistem deteksi dapat melakukan pengujian seluruh sistem secara realtime dan mengidentifikasi jenis kerusakan seperti retak memanjang, retak melintang, retak kulit buaya, alur bekas roda, dan lubang presentasi dengan nilai Accuracy sebesar 83,07%, Precision sebesar 0,92, Recall sebesar 0,89, dan F1-Score sebesar 90,4%. Sistem juga dapat menghitung estimasi area dengan kesalahan 24,6 cm pada lebar, 27,6 cm pada Panjang dan 4,82 mm pada kedalaman.