Deteksi Pengenalan Rambu Lalu-lintas Berdasarkan Citra Menggunakan Algoritna Yolo di Daerah Istimewa Yogyakarta

Abstract

Tingginya angka kecelakaan lalu lintas secara global dan nasional menunjukkan perlunya inovasi teknologi untuk meningkatkan keselamatan berkendara, khususnya dalam membantu pengendara mengenali rambu-lalu lintas secara cepat dan akurat. Penelitian ini bertujuan mengembangkan sistem pengenalan rambu-lalu lintas berbasis kecerdasan buatan menggunakan algoritma YOLOv8 yang disesuaikan dengan kondisi lokal di Daerah Istimewa Yogyakarta. Metode yang digunakan adalah model pengembangan perangkat lunak Waterfall yang meliputi analisis kebutuhan, perancangan sistem, implementasi, pengujian dan validasi, serta tahap implementasi dan pemeliharaan. Dataset penelitian diperoleh dari Google Street View sebanyak 984 citra rambu, kemudian dianotasi menggunakan Roboflow dan dibagi menjadi data pelatihan, validasi, dan pengujian dengan rasio 80:10:10. Proses pelatihan model dilakukan menggunakan framework Ultralytics pada platform Google Colab selama 200 epoch. Hasil pelatihan menunjukkan nilai precision 0,891, recall 0,869, mAP50 0,973, dan mAP50-95 0,889. Pengujian menunjukkan model mampu mendeteksi sebagian besar kelas rambu dengan tingkat recall yang sangat tinggi pada berbagai kondisi citra. Model terlatih kemudian diimplementasikan ke dalam aplikasi berbasis Python dengan antarmuka Tkinter yang mendukung deteksi gambar statis serta deteksi real-time melalui webcam. Secara keseluruhan, sistem yang dikembangkan memiliki performa baik dan berpotensi mendukung peningkatan keselamatan lalu lintas melalui pengenalan rambu otomatis di lingkungan transportasi cerdas masa depan yang lebih adaptif dan berkelanjutan global.