title: DETEKSI DAN KLASIFIKASI JALAN RUSAK DI BANDAR LAMPUNG    MENGGUNAKAN YOLOv8
creator: Rendy , Fitra Adi Pratama
subject: 000 Ilmu komputer, informasi dan pekerjaan umum
description: Jalan merupakan salah satu infrastruktur yang sangat penting dalam  berbagai sektor kehidupan manusia. Jalan sering kali mengalami kerusakan yang  diakibat oleh kesalahan konstruksi ataupun pemakaian yang tidak sesuai standar,  permasalahan berupa kerusakan jalan sering terjadi di kota Bandar Lampung  kurangnya tenaga ahli dan sulitnya keterjangkauan menyebabkan banyak kerusakan  jalan yang sulit untuk diketahui oleh pihak pemerintah kota. Penelitian ini bertujuan  untuk membuat sebuah model deteksi objek menggunakan algoritma Convolutional  Neural Network (CNN) yang merupakan teknologi Computer Vision (CV). Metode  yang akan digunakan adalah You Only Look Once v8 (YOLOv8) yang akan  digunakan untuk melakukan deteksi objek pada kerusakan jalan dengan  menggunakan berbagai ukuran gambar saat melakukan proses training pada model.  Model yang dihasilkan memiliki nilai mAP sebesar 87.1% dan akurasi 86.7%  setelah diimplementasikan ke dalam aplikasi mobile. Ini memungkinkan deteksi  secara realtime melalui kamera ponsel bahkan tanpa koneksi internet.    Kata Kunci: Jalan Rusak, Kecerdasan Buatan, Convolutional Neural Network,  You Only Look Once v8, Mobile.Road is one of the most important infrastructures in various sectors of  human life. Roads often experience damage caused by construction errors or usage  that is not in accordance with standards, problems in the form of road damage often  occur in the city of Bandar Lampung, the lack of experts and the difficulty of  affordability causes a lot of road damage that is difficult to know by the city  government. This research aims to create an object detection model using the  Convolutional Neural Network (CNN) algorithm which is a Computer Vision (CV)  technology. The method to be used is You Only Look Once v8 (YOLOv8) which  will be used to perform object detection on road damage using various image sizes  when performing the training process on the model. The resulting model has a mAP  value of 87.1% and an accuracy of 86.7% after being implemented into a mobile  application. This allows realtime detection via cell phone camera even without  internet connection.    Keywords: Road, Damaged Road, Artificial Intelligence, Convolutional Neural  Network, You Only Look Once v8, Android, Mobile.  
publisher: MATEMATIKA DAN ILMU PENGETAHUAN ALAM 
date: 2024-08-15
type: Skripsi
type: NonPeerReviewed
format: text
identifier: http://digilib.unila.ac.id/81751/1/ABSTRAK%20-%20Rendy%20Fitra%20Adi%20Pratama.pdf
format: text
identifier: http://digilib.unila.ac.id/81751/2/FULL%20-%20Rendy%20Fitra%20Adi%20Pratama.pdf
format: text
identifier: http://digilib.unila.ac.id/81751/3/Tanpa%20Pembahasan%20-%20Rendy%20Fitra%20Adi%20Pratama.pdf
identifier:   Rendy , Fitra Adi Pratama  (2024) DETEKSI DAN KLASIFIKASI JALAN RUSAK DI BANDAR LAMPUNG MENGGUNAKAN YOLOv8.  MATEMATIKA DAN ILMU PENGETAHUAN ALAM , UNIVERSITAS LAMPUNG .     
relation: http://digilib.unila.ac.id/81751/