Perancangan Purwarupa Alat Deteksi Kerusakan Jalan Berbasis Machine Learning

Lamanya proses deteksi kerusakan jalan menjadi penyebab lamanya proses perbaikan jalan di Indonesia. Proses deteksi yang dilakukan secara manual membutuhkan waktu yang lama dan sangat rentan terhadap kesalahan. Beberapa teknologi sudah dikembangkan untuk mengatasi permasalahan ini, namun harga yang mahal dan tingkat penggunaan yang kompleks seringkali menjadi kendala. Penelitian ini bertujuan untuk merancang purwarupa alat deteksi kerusakan jalan berbiaya rendah (low cost) yang mampu membantu mempercepat proses deteksi dan inspeksi kerusakan jalan di Indonesia. Sistem menggunakan prinsip penginderaan jauh dengan teknologi Object Detection YOLOv8s untuk mendeteksi empat kelas kerusakan jalan. Purwarupa alat dirancang menggunakan komponen elektronika alternatif yang ditenagai oleh Raspberry Pi 5 dan akselerator Hilo-8L. Penggunaan perangkat alternatif ini mampu menjalankan model Object Detection serta tugas komputasi lainnya secara stabil dengan rata-rata ?27 FPS. Penggunaan GPS Module Ublox Neo-7M memiliki deviasi sebesar ±3,5 meter. Model object detection yang dirancang memiliki overall accuracy sebesar 92,96%. Hasil pengujian purwarupa pada kondisi diam menunjukkan sudut optimal 20–30 derajat dengan jarak deteksi 1, 3, dan 5 meter. Pada kondisi bergerak, performa sistem optimal berada pada kecepatan 20–30 km/jam dengan intensitas cahaya efektif pada pagi dan siang hari.