Mendeteksi Jalan Berlubang Menggunakan Deep Learning
Keywords:
Deep Learning, Lubang, JalanAbstract
Jalan merupakan kebutuhan manusia yang sangatlah penting untuk kita sebagai manusia yang melakukan aktivitas, akses jalan sangat penting untuk mencapai tujuan yang diinginkan. Seiring dengan meningkatnya jumlah penduduk di Indonesia, penggunaan jalan juga semakin meningkat, sehingga perlu mendapatkan perhatian lebih. Salah satu masalah yang sering dihadapi oleh pengendara adalah jalan berlubang. Hal ini terjadi karena tingginya volume kendaraan yang melintas, yang menyebabkan kondisi jalan semakin cepat rusak. Keberadaan jalan berlubang dapat mengganggu aktivitas hingga berisiko menyebabkan kecelakaan. Penelitian ini bertujuan untuk merancang sebuah sistem yang mampu mengidentifikasi keberadaan jalan berlubang. Sistem ini menggunakan Yi Cam kamera yang dipasang di bodi mobil di ketinggian 70 cm dan mengarah ke jalan. Data yang dikumpulkan berupa video, yang kemudian diekstrak menjadi gambar sebagai bagian dari proses pengumpulan dan perolehan data. Setelah itu, dilakukan Pembuatan kotak pembatas untuk menandai area Jalan yang mengalami kerusakan berupa cekungan atau rongga. Gambar yang telah dikumpulkan akan diberi label sesuai dengan lokasi lubang dan digunakan dalam proses pelatihan (training). Hasil akhirnya adalah video deteksi jalan berlubang, di mana lubang-lubang yang terdeteksi akan ditandai dengan bounding box sebagai indikator keberadaannya.
References
Abdul Wahab Harun, Dian Ekawaty Ismail, & Jufriyanto Puluhulawa. (2023). Penegakan Hukum Terhadap Penyelenggara Jalan Rusak Yang Mengakibatkan Kecelakaan Lalu Lintas. Hakim, 2(1), 133–156. https://doi.org/10.51903/hakim.v2i1.1541
Alvira Oktavia Safitri, Puji Ayu Handayani, & Yusuf Tri Herlambang. (2023). Manusia dan Teknologi; Studi Filsafat Tentang Perang Teknologi Dalam Kehidupan Sosial. Jurnal Pendidikan Sosial Dan Humaniora, 2(4), 13157–13171.
Anis, S., & Setio Pribadi, F. (2011). SISTEM AKUISISI DATA BERBASIS TELEMETRI.
Bili, Y., Purba, E., Saragih, N. F., Silalahi, A. P., Sitepu, S., Gea, A., Komputer, F. I., & Artikel, H. (2022). Perancangan Alat Pendeteksi Kematangan Buah Nanas Dengan Menggunakan Mikrokontroler Dengan Metode Convolutional Neural Network (CNN). In Jurnal Ilmiah Teknik Informatika (Vol. 2, Issue 1). http://ojs.fikom-methodist.net/index.php/METHOTIKA
Dewi, N., & Ismawan, F. (2021). IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CNN UNTUK SISTEM PENGENALAN WAJAH. Faktor Exacta, 14(1), 34. https://doi.org/10.30998/faktorexacta.v14i1.8989
Djulyansyah, M. F., Laxmi, G. F., & Agustian, S. (2024). MODEL DETEKSI JALAN UNTUK SMART GLASSES MENGGUNAKAN ALGORITMA YOLO. In Jurnal Mahasiswa Teknik Informatika (Vol. 8, Issue 4).
Kanjuruhan, U., Dwi, M., Wibowo, B., Wibowo, D. B., Priyono, M., Sulisyanto, T., Budianto, A. E., & Malang, K. (2019). PROTOTYPE SISTEM PERINGATAN DINI PENDETEKSI JALAN BERLUBANG PADA JALAN RAYA DENGAN SENSOR ULTRASONIK BERBASIS ARDUINO. Seminar Nasional FST, 2.
Setiadi, B. R., Ratnawati, D., & Ramdani, S. D. (2015). PENGARUH PENGGUNAAN ACTION CAM TERHADAP KUALITAS PENILAIAN PROSES DOSEN PRAKTIKUM. In Seminar Nasional Universitas PGRI Yogyakarta.
Siringoringo, G., & Utaminingrum, F. (2022). Sistem Parkir Otomatis berdasarkan Pengenalan Jenis Kendaraan menggunakan Metode Yolov3-Tiny (Vol. 6, Issue 11). http://j-ptiik.ub.ac.id
Tanjung, F., & Farida, I. (2021). Analisis Kondisi Geometrik Jalan Terhadap Potensi Kecelakaan Lalu Lintas Kendaraan Roda Empat. https://jurnal.itg.ac.id/
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Aplikasi Sistem dan Teknik Informatika Pomosda (JASTIP)

This work is licensed under a Creative Commons Attribution 4.0 International License.