Perpustakaan Digital ITB

Infrastruktur jalan memiliki peranan yang sangat penting dalam menunjang aktivitas mobilitas masyarakat dan distribusi barang, namun kondisi infrastruktur jalan yang sering mengalami kerusakan memerlukan pemantauan rutin. Metode inspeksi manual yang umum digunakan memiliki beberapa keterbatasan seperti waktu pemeriksaan yang lama, biaya operasional yang tinggi, tingkat akurasi yang rendah, serta risiko keselamatan bagi petugas inspeksi. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan aplikasi deteksi kerusakan jalan berbasis Unmanned Aerial Vehicle (UA V) menggunakan algoritma YOLO (You Only Look Once), yang merupakan metode deteksi objek berbasis Deep Learning. Penelitian ini mencakup persiapan dataset melalui pengumpulan data, anotasi, augmentasi data untuk memperkaya variasi dataset, serta pelatihan berbagai konfigurasi model YOLO untuk mendapatkan performa terbaik. Hasil penelitian menunjukkan bahwa model terpilih, yaitu YOLOv8n dengan augmentasi brightness, berhasil mencapai tingkat precision sebesar 76% dan mean Average Precision (mAP50) sebesar 72.1 %. Pengujian terhadap data lapangan yang beragam berhasil membuktikan hipotesis dengan menunjukkan precision sebesar 71.5% dan mAP50 sebesar 64. 7%, yang melampaui target minimal yang telah ditetapkan. Kebaruan penelitian ini terletak pada pengintegrasian algoritma YOLO dengan teknologi UA V untuk aplikasi deteksi kerusakan jalan secara efisien dan akurat. Hasil penelitian berupa data hasil deteksi yang tersinkronisasi dengan koordinat GPS disimpan dalam cloud storage Microsoft Azure, dan ditampilkan melalui antarmuka website yang informatif dan interaktif. Evaluasi terhadap antarmuka pengguna menggunakan System Usability Scale (SUS) menghasilkan skor rata-rata sebesar 95, yang menunjukkan bahwa sistem ini memberikan kontribusi positif terhadap kemudahan penggunaan dan kepuasan pengguna secara umum.