Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JURNAL REKAYASA TEKNOLOGI INFORMASI
Moh Asnoer Laagu
Universitas Jember
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Deteksi dan Penghitungan Speed Bump Berbasis YOLOv8 dan DeepSORT untuk Sistem Keselamatan Berkendara Immawan Wicaksono; Hilman Arif Rahmawan; Ali Rizal Chaidir; Andrita Ceriana Eska; Moh Asnoer Laagu
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 10, No 3 (2026): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v10i3.26828

Abstract

Keselamatan berkendara merupakan aspek penting dalam sistem transportasi, terutama pada jalan yang dilengkapi speed bump sebagai pembatas kecepatan. Speed bump yang tidak terlihat jelas dapat menimbulkan ketidaknyamanan, kerusakan kendaraan, dan potensi kecelakaan. Penelitian ini mengembangkan sistem deteksi dan penghitungan speed bump berbasis You Only Look Once version 8 (YOLOv8) yang dikombinasikan dengan DeepSORT dan garis virtual pada video rekaman kamera smartphone. Dataset yang digunakan terdiri atas 1.000 citra speed bump yang dianotasi secara manual menggunakan bounding box dan dibagi menjadi data latih, validasi, dan uji dengan rasio 70:20:10. Model dilatih pada Google Colab selama 100 epoch dengan ukuran citra 640 x 640 piksel dan batch size 32. Evaluasi dilakukan menggunakan precision, recall, mAP, akurasi deteksi, akurasi counting, dan frame per second (FPS). Hasil validasi menunjukkan precision 99,85%, recall 100%, mAP@0.5 sebesar 99,50%, dan mAP@0.5:0.95 sebesar 64,16%. Pada pengujian video lapangan, confidence threshold 0,5 memberikan rata-rata akurasi deteksi tertinggi sebesar 85,50%, sedangkan threshold 0,6 dan 0,7 masing-masing menghasilkan 63,64% dan 37,01%. Kecepatan pemrosesan sistem berada pada rentang 25-42 FPS. Hasil penelitian menunjukkan bahwa YOLOv8 mampu mendeteksi speed bump dengan baik pada kondisi pencahayaan memadai, namun akurasi penghitungan masih dipengaruhi oleh double counting akibat ketidakstabilan ID tracking.
Co-Authors Ali Rizal Chaidir Andrita Ceriana Eska Hilman Arif Rahmawan Immawan Wicaksono