Sistem Deteksi Rambu Lalu Lintas Berbasis Computer Vision Untuk Navigasi Miniatur Kendaraan Otonom
Abstract
Abstrak — Teknologi kendaraan otonom menuntut sistem persepsi visual yang andal, khususnya untuk mendeteksi rambu lalu lintas secara real-time. Penelitian ini mengembangkan sistem deteksi rambu berbasis algoritma YOLOv8 dan diimplementasikan pada prototipe miniatur kendaraan otonom. Dataset sebanyak 1.232 gambar dikumpulkan secara mandiri dan diperluas menjadi 3.696 gambar melalui augmentasi. Model YOLOv8n dilatih selama 87 epoch menggunakan Visual Studio Code. Hasil pelatihan menunjukkan precision dan recall sebesar 91,3% serta [email protected] sebesar 91,3%. Pengujian dilakukan dalam kondisi terang dan gelap, statis maupun dinamis. Hasil menunjukkan tingkat keberhasilan deteksi mencapai 90% dalam kondisi terang dan menurun menjadi 48,9% dalam pencahayaan gelap. Sistem juga berhasil menjalankan aksi robotik dengan akurasi 83,3%. Hasil ini menunjukkan sistem dapat mengenali dan merespons rambu lalu lintas secara real-time secara efektif pada skala miniatur. Kata kunci — sistem deteksi, rambu lalu lintas, yolo, computer vision, kendaraan otonom, traffic sign detection
References
R. M. R. Ridwansyah and Z. Abidin, "Sistem kontrol pada self driving car (mobil tanpa kemudi) buatan perusahaan Google yang didukung oleh GPS," Aug. 2019.
E. R. S. A. Putra B, "Pengaturan kemudi kendaraan otonom four wheel steer dan four wheel drive (4WS4WD) menggunakan model predictive control," vol. 10, 2021.
Biro Komunikasi dan Informasi Publik, "Tekan angka kecelakaan lalu lintas, Kemenhub ajak masyarakat beralih ke transportasi umum dan utamakan keselamatan berkendara," 2022.
R. C., I. F. Rahmah, and R. A. Asmara, "Deteksi dan pengenalan rambu Lalu lintas di Indonesia menggunakan RGBN dan Gabor," vol. 3, 2017.
D. N. Alfarizi, R. A. Pangestu, D. Aditya, M. A. Setiawan, and P. Rosyani, "Penggunaan metode YOLO pada deteksi objek: Sebuah tinjauan literatur sistematis," Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan, vol. 1, Jul. 2023.
T. A. Dompeipen and S. R. U. A. Sompie, "Penerapan computer vision untuk pendeteksian dan penghitung jumlah manusia," vol. 15, Dec. 2020.
J. Jumadi and D. Sartika, "Pengolahan citra digital untuk identifikasi objek menggunakan metode hierarchical agglomerative clustering," vol. 10, 2021.
Husnan, C. Fatichah, and R. Dikairono, "Deteksi objek menggunakan metode YOLO dan implementasinya pada robot bawah air," vol. 12, 2023.
J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, "You Only Look Once: Unified, Real-Time Object Detection," in 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), IEEE, Jun. 2016, pp. 779–
