<![CDATA[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.]]>
Copyrights © 2026
