Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Zulkarnain, Imam Alfath
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Optimasi Yolov11 Melalui Hyperparameter Tuning dan Data Augmentasi untuk Meningkatkan Akurasi Deteksi Kendaraan pada Kondisi Malam Hari: Yolov11 Optimization Through Hyperparameter Tuning and Data Augmentation to Improve Vehicle Detection Accuracy at Night Zulkarnain, Imam Alfath; Kusrini, Kusrini
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i4.2250

Abstract

Deteksi kendaraan pada malam hari menghadapi tantangan signifikan akibat pencahayaan rendah, silau lampu depan, dan kontras objek yang terbatas. Akurasi deteksi yang rendah pada malam hari menjadi penghambat utama dalam pengembangan sistem transportasi cerdas (ITS) dan sistem pengawasan lalu lintas yang andal secara 24/7. Penelitian ini bertujuan mengoptimalkan YOLOv11 untuk meningkatkan akurasi deteksi kendaraan dalam kondisi tersebut. Optimasi dilakukan melalui penyesuaian hiperparameter, termasuk pengaturan laju pembelajaran (0.001), momentum (0.937), dan weight decay (0.0005), serta penerapan teknik augmentasi data seperti penyesuaian saturasi dan kecerahan, translasi, skala, flipping horizontal, mosaic, dan mixup. Model diuji dalam dua skenario: (1) data malam hari dan (2) gabungan data siang dan malam. Hasil penelitian menunjukkan bahwa YOLOv11 yang telah dioptimalkan mencapai precision 0.97, recall 0.92, dan mAP@0.5 sebesar 0.97 pada skenario malam hari, melampaui kinerja YOLOv8 dan YOLOv11 baseline. Pada skenario gabungan, model tetap unggul dengan precision 0.95, recall 0.95, dan mAP@0.5 sebesar 0.98. Temuan ini membuktikan bahwa kombinasi penyesuaian hiperparameter dan augmentasi adaptif efektif meningkatkan kinerja deteksi kendaraan pada malam hari tanpa menurunkan akurasi pada kondisi siang. Pendekatan ini menjanjikan untuk diaplikasikan dalam sistem pemantauan lalu lintas berbasis visi komputer yang memerlukan konsistensi performa tinggi baik di siang maupun malam hari.
Co-Authors Kusrini, Kusrini