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–
