Electronic Theses and Dissertation

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%.

WHO predicts that by 2030 road accidents will be the 5th biggest cause of death. In Indonesia itself, based on data released by the Ministry of Communication and Information on August 18 2023, an average of 3 drivers died, 30% of which were caused by inadequate infrastructure and environmental factors. In 2022, the Central Statistics Agency recorded that total road damage in Indonesia reached 31,9% and 15,9% of it was seriously damaged. The road survey process in Indonesia has several challenges, one of which is detection using cameras that do not have a recognition system. In this research, the model with the Vision Transformer-based YOLOS architecture trained on the RDD2022 dataset can recognize road damage well as indicated by the number of objects detected, accurate bounding boxes on objects, and can recognize objects with inconsistent shadow and light inference. This research uses assessment parameters such as Average Precision (AP) to determine overall model performance. The model gets AP values at Intersection of Union (IoU) 0,5, 0,75 and 0,5-0,95, worth 62,1%, 37,1% and 36,2% respectively.