<![CDATA[Pengenalan tanda lalu lintas merupakan elemen yang sangat penting dalam pengembangan sistem transportasi yang cerdas dan efisien. Algoritma YOLO telah menjadi salah satu pendekatan populer untuk mendeteksi objek secara real-time, termasuk dalam konteks pengenalan tanda lalu lintas. Dalam tinjauan literatur ini, kami akan membahas penggunaan algoritma YOLO dalam pengenalan tanda lalu lintas serta berbagai pendekatan yang telah dikembangkan untuk meningkatkan akurasi dan kinerja sistem. Terdapat beberapa penelitian terkait yang memanfaatkan algoritma YOLO, seperti YOLOv3, YOLOv4, dan pendekatan lain yang berbasis YOLO. Penelitian-penelitian ini melibatkan implementasi YOLO dalam pengenalan tanda lalu lintas pada gambar dan penerapannya dalam kendaraan pintar. Beberapa penelitian juga telah melakukan optimasi pada algoritma YOLO dengan menggunakan teknik transfer learning, pengoptimalan algoritma, dan penambahan modul Spatial and Temporal Context (STC) untuk meningkatkan deteksi dan pengenalan tanda lalu lintas, terutama dalam lingkungan yang kompleks. Hasil dari tinjauan literatur ini menunjukkan bahwa penggunaan algoritma YOLO dalam pengenalan tanda lalu lintas telah mencapai tingkat akurasi yang tinggi dan kinerja yang memadai. Algoritma ini juga terbukti handal dalam berbagai kondisi cahaya dan cuaca. Penelitian-penelitian terkait menunjukkan bahwa teknik transfer learning, pengoptimalan algoritma, dan penggunaan modul STC dapat secara signifikan meningkatkan deteksi dan pengenalan tanda lalu lintas, terutama dalam lingkungan yang kompleks. Tinjauan literatur ini memberikan kontribusi penting dalam pemahaman tentang penggunaan algoritma YOLO dalam pengenalan tanda lalu lintas dan pengembangan sistem yang lebih canggih. Harapannya, penelitian ini dapat memberikan wawasan yang berharga bagi para peneliti dan praktisi dalam mengembangkan solusi yang lebih efektif dan efisien dalam pengenalan tanda lalu lintas.]]>
