SiDetOl (Sistem Deteksi Potholes)

Hak Cipta

SiDetOl (Sistem Deteksi Potholes)

Kecelakaan lalu lintas adalah peristiwa yang terjadi di jalan secara tidak terduga dan tidak direncanakan, melibatkan kendaraan dengan pengguna jalan lain maupun tanpa pengguna jalan lain, yang mengakibatkan korban jiwa manusia atau kerugian materiil lainnya. Di Indonesia pada tahun 2019 tercatat sebanyak 116.411 kasus kecelakaan lalu lintas. Jumlah tersebut meningkat sebesar 0,06% dibandingkan dengan jumlah kasus kecelakaan lalu lintas pada tahun sebelumnya. Terdapat beberapa faktor penyebab kecelakaan lalu lintas, di antaranya adalah faktor sarana penunjang dan prasarana lalu lintas. Faktor infrastruktur dan lingkungan menyumbang 30% dari total kecelakaan lalu lintas. Banyaknya kecelakaan yang disebabkan oleh faktor lingkungan dan infrastruktur perlu mendapat perhatian serius dari pihak-pihak terkait. Salah satu penyebab kecelakaan yang termasuk dalam kategori faktor infrastruktur dan lingkungan adalah lubang jalan. Lubang jalan menyumbang 15% dari kecelakaan lalu lintas. Perkembangan teknologi Kecerdasan Buatan (Artificial Intelligence/AI), khususnya Deep Learning (DL), dapat menjadi salah satu solusi untuk membantu mengidentifikasi lubang jalan secara otomatis. Dalam penelitian ini, model DL dikembangkan menggunakan Faster R-CNN. Model yang diusulkan adalah mengganti backbone convolutional neural network (CNN) dari model sebelumnya yang menggunakan Inception-V2 menjadi ResNet-101. Hasil pengujian dengan dataset Potholes dari Departemen Teknik Elektro dan Elektronika, Stellenbosch University, menunjukkan bahwa metode yang diusulkan menghasilkan akurasi yang lebih baik dibandingkan dengan model dasar (baseline). Metode yang diusulkan menghasilkan akurasi sebesar 73,77%, sedangkan model dasar menghasilkan akurasi sebesar 67,83%. Keywords: Artificial Intelligence, Deep Learning, Faster R CNN, Inception V2, ResNet-101


2025-1759499779-gqpg


-

Pusat Riset Teknologi Manufaktur Peralatan

asep035@brin.go.id

Badan Riset dan Inovasi Nasional

SF - Perangkat Lunak

Tangerang Selatan

02 Oktober 2025

EC002025187805

20 November 2025

20 November 2025

001028065


  • Asep Insani
    ( Pusat Riset Teknologi Manufaktur Peralatan )
  • Uus Khusni
    ( Direktorat Pengukuran dan Indikator Riset, Teknologi, dan Inovasi )
  • Rachmat Hidayat
    ( Direktorat Pengukuran dan Indikator Riset, Teknologi, dan Inovasi )
  • Heru Susanto
    ( Pusat Riset Kecerdasan Artifisial dan Keamanan Siber )
  • Suherlan
    ( Pusat Riset Teknologi Manufaktur Peralatan )
  • Yasmin
    ( Pusat Riset Teknologi Manufaktur Peralatan )
  • Raden Muhammad Taufik Yuniantoro
    ( Pusat Riset Kecerdasan Artifisial dan Keamanan Siber )
  • Budhi Riyanto
    ( Pusat Riset Kecerdasan Artifisial dan Keamanan Siber )
  • Arief Indriarto Haris
    ( Pusat Riset Kecerdasan Artifisial dan Keamanan Siber )
Kembali