<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="124914">
 <titleInfo>
  <title>DETEKSI KERUSAKAN JALAN DENGAN MENGGUNAKAN TEKNIK DEEP LEARNING BERBASIS YOLOS</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Andy Desman Lo</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Elektro dan Komputer</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>WHO memprediksi pada tahun 2030 kecelakaan jalanan menjadi alasan 5 terbesar penyebab kematian. Di Indonesia sendiri, berdasarkan data yang dikeluarkan oleh Kominfo pada tanggal 18 Agustus 2023, rata-rata 3 pengemudi meninggal dunia yang 30% nya diakibatkan oleh faktor prasarana dan lingkungan yang kurang memadai. Pada tahun 2022, Badan Pusat Statistik mencatat total kerusakan jalan di Indonesia mencapai 31,9% dan 15,9% diantaranya merupakan rusak berat. Proses survei jalan di Indonesia memiliki beberapa tantangan, salah satunya adalah pendeteksian menggunakan kamera yang tidak memiliki sistem pengenalan. Pada penelitian ini model dengan arsitektur YOLOS berbasis Vision Transformer yang dilatih pada dataset RDD2022 dapat mengenali kerusakan jalan dengan baik yang diindikasikan dengan jumlah objek yang terdeteksi, bounding box pada objek yang akurat, dapat mengenali objek dengan inferensi bayangan dan cahaya yang tidak konsisten. Penelitian ini menggunakan parameter penilaian seperti Average Precision (AP) untuk mengetahui performa model secara keseluruhan. Model mendapatkan nilai AP pada Intersection of Union (IoU) 0,5, 0,75 dan 0,5-0,95 masing-masing senilai 62,1%, 37,1% dan 36,2%.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>124914</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-07-12 15:24:23</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-07-12 17:12:35</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>