Deteksi Objek Rambu Lalu Lintas Indonesia Berbasis Algoritma You Only Look Once Version 8 Nano (YOLOv8n) Menggunakan Python

Abstract

Sistem persepsi atau pengindraan merupakan kunci utama kendaraan otonom untuk dapat bergerak secara andal. Salah satu sistem persepsi yang digunakan pada kendaraan otonom adalah sistem deteksi objek. Agar kendaraan otonom dapat bergerak dengan tepat, responsif, dan terhindarkan dari risiko kecelakaan maka dibutuhkan sistem deteksi rambu lalu lintas. Pada penelitian ini, dibangun sistem deteksi objek rambu lalu lintas Indonesia berbasis algoritma deteksi objek You Only Look Once version 8 nano (YOLOv8n). Dataset yang digunakan berjumlah 1520 buah citra RGB yang terdiri dari sepuluh jenis kategori rambu lalu lintas beserta kategori background. Pada proses training sistem, dilakukan pengaturan, tiga buah optimizer yaitu SGD, RMSProp, dan Adam dieksperimenkan pada dataset yang sama untuk mengetahui optimizer terbaik untuk kasus ini. Setelah proses training, dilakukan pengujian pada video rekaman rambu lalu lintas. Dari ketiga hasil training sistem sebanyak 20 epochs, penggunaan optimizer SGD menghasilkan metrik akurasi yang terbaik, yaitu precision sebesar 0.995, recall sebesar 0.985, dan mAP50 sebesar 0.993. Sementara itu, dari hasil pengujian sistem menggunakan optimizer SGD, didapatkan kecepatan deteksi rata-rata sebesar 26 bingkai per detik. Hasil ini menunjukkan bahwa jenis optimizer berpengaruh terhadap tingkat akurasi sistem deteksi objek meskipun dilatih menggunakan dataset yang sama dan optimizer SGD memiliki kinerja paling baik.