Kusuma, Freyza Fachrurrozi (2026) ANALISIS KOMPARATIF PERFORMA MODEL YOLO LINTAS GENERASI DENGAN MODIFIKASI ARSITEKTUR UNTUK DETEKSI LUBANG JALAN. S1 thesis, Universitas Mercu Buana Jakarta - Menteng.
|
Text (COVER)
41520110083-Freyza Fachrurrozi Kusuma-01 Cover - Freyza Fachrurrozi Kusuma.pdf Download (3MB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB 1)
41520110083-Freyza Fachrurrozi Kusuma-02 Bab 1 - Freyza Fachrurrozi Kusuma.pdf Restricted to Registered users only Download (220kB) |
|
|
Text (BAB 2)
41520110083-Freyza Fachrurrozi Kusuma-03 Bab 2 - Freyza Fachrurrozi Kusuma.pdf Restricted to Registered users only Download (477kB) |
|
|
Text (BAB 3)
41520110083-Freyza Fachrurrozi Kusuma-04 Bab 3 - Freyza Fachrurrozi Kusuma.pdf Restricted to Registered users only Download (314kB) |
|
|
Text (BAB 4)
41520110083-Freyza Fachrurrozi Kusuma-05 Bab 4 - Freyza Fachrurrozi Kusuma.pdf Restricted to Registered users only Download (371kB) |
|
|
Text (BAB 5)
41520110083-Freyza Fachrurrozi Kusuma-06 Bab 5 - Freyza Fachrurrozi Kusuma.pdf Restricted to Registered users only Download (159kB) |
|
|
Text (DAFTAR PUSTAKA)
41520110083-Freyza Fachrurrozi Kusuma-08 Daftar Pustaka - Freyza Fachrurrozi Kusuma.pdf Restricted to Registered users only Download (211kB) |
|
|
Text (LAMPIRAN)
41520110083-Freyza Fachrurrozi Kusuma-09 Lampiran - Freyza Fachrurrozi Kusuma.pdf Restricted to Registered users only Download (340kB) |
Abstract
Lubang jalan merupakan salah satu bentuk kerusakan infrastruktur yang dapat mengurangi kenyamanan berkendara, merusak kendaraan, serta meningkatkan risiko kecelakaan lalu lintas. Pemeriksaan kondisi jalan secara manual membutuhkan waktu dan sumber daya yang besar sehingga diperlukan metode deteksi otomatis berbasis computer vision. Penelitian ini bertujuan menganalisis secara komparatif performa model YOLO lintas generasi dengan modifikasi arsitektur untuk mendeteksi lubang jalan. Konfigurasi yang dievaluasi meliputi baseline, Convolutional Block Attention Module (CBAM), Squeeze-and-Excitation (SE), Fusion Plus, dan Ghost Module yang diterapkan pada YOLOv8, YOLOv9, YOLOv10, YOLO11, YOLO12, dan YOLO26. Penelitian ini menggunakan pendekatan kuantitatif dengan metode eksperimen komparatif. Dataset citra jalan dibagi menjadi 70% data pelatihan, 20% data validasi, dan 10% data pengujian dengan penerapan augmentasi. Evaluasi dilakukan menggunakan metrik precision, recall, F1-score, mAP50, dan mAP50–95, serta mempertimbangkan jumlah parameter dan waktu inferensi. Hasil penelitian menunjukkan bahwa YOLO12 dengan Ghost Module memperoleh performa terbaik secara keseluruhan, dengan precision 50,54%, recall 48,62%, F1-score 49,56%, mAP50 46,25%, dan mAP50–95 22,02%. Model tersebut memiliki 7.911.715 parameter dan rata-rata waktu inferensi 8,15 milidetik. Model baseline memberikan hasil terbaik pada YOLOv8, YOLOv10, dan YOLO26, sedangkan CBAM unggul pada YOLOv9, SE pada YOLO11, dan Ghost Module pada YOLO12. Temuan ini menunjukkan bahwa generasi YOLO yang lebih baru tidak selalu menghasilkan performa lebih tinggi dan efektivitas modifikasi bergantung pada kesesuaiannya dengan arsitektur dasar model. Kata Kunci: deteksi lubang jalan, YOLO, deteksi objek, modifikasi arsitektur, computer vision.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41520110083 |
| Uncontrolled Keywords: | deteksi lubang jalan, YOLO, deteksi objek, modifikasi arsitektur, computer vision. |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | NAJHWA LAILI SYAFAQOH |
| Date Deposited: | 27 Aug 2026 07:03 |
| Last Modified: | 27 Aug 2026 07:03 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/103455 |
Actions (login required)
 |
View Item |
