<![CDATA[Kerusakan jalan seperti retak dan lubang menjadi permasalahan infrastruktur yang mengganggu keselamatan dan kelancaran lalu lintas. Metode identifikasi manual yang selama ini digunakan dinilai kurang efisien. Penelitian ini bertujuan untuk menerapkan model YOLOv8 dalam mendeteksi kerusakan jalan secara otomatis melalui citra visual. Metode yang digunakan adalah pendekatan kuantitatif eksperimental dengan pelatihan model deep learning menggunakan 200 citra yang dianotasi secara manual. Data dibagi ke dalam skema pelatihan, validasi, dan pengujian (70:20:10). Hasil pelatihan menunjukkan bahwa YOLOv8 mampu mendeteksi dua jenis kerusakan utama, yaitu retak dan berlubang, dengan performa yang cukup baik. Model menunjukkan peningkatan nilai precision hingga 0.4 dan recall lebih dari 0.3. Sementara itu, nilai mAP50 mencapai sekitar 0.27, dan mAP50-95 lebih dari 0.1. Temuan ini mengindikasikan bahwa model cukup andal dalam mengenali kerusakan jalan dengan akurasi memadai, serta memiliki potensi untuk diintegrasikan dalam sistem monitoring infrastruktur secara real-time. Kata Kunci: citra visual, deep learning, deteksi kerusakan jalan, object detection, YOLOv8]]>
Copyrights © 2025
