Sistem Deteksi Rambu Lalu Lintas Di Indonesia Berbasis Artificial Intelligence Dengan Metode You Only Look Once (YOLO) Menggunakan Rasberry Pi

Putri Mawaring Wening, Jans Hendry, ST, M.Eng.

2023 | Tugas Akhir | D4 Teknologi Rekayasa Instrumentasi dan Kontrol

Pada bidang pengolahan citra digital, computer vision memanfaatkan berbagai algoritma untuk menginterpretasikan informasi dari citra bergerak (video). Salah satu penerapan algoritma pada computer vision adalah sistem deteksi, yang merupakan salah satu bagian penting dari sistem Autonomous Vehicle yang berfungsi untuk navigasi dalam pergerakan mobil. Keselamatan dalam berkendara merupakan bagian utama yang harus diperhatikan. Untuk mengurangi tingkat kecelakaan akibat pelanggaran lalu lintas, maka Autonomous Vehicle harus memiliki kemampuan untuk mengenali berbagai jenis rambu lalu lintas. Namun, jenis rambu lalu lintas yang digunakan di berbagai negara memiliki perbedaan disesuaikan dengan regulasi, iklim, dan kondisi lingkungan. Sehingga, rambu lalu lintas yang digunakan di luar negeri tidak bisa sepenuhnya dijadikan pedoman untuk mengembangkan sistem deteksi rambu lalu lintas di Indonesia. 

Oleh karena itu, pada penelitian ini dibangun Sistem Deteksi Rambu Lalu Lintas di Indonesia sesuai dengan Peraturan Menteri Perhubungan Nomor 13 tahun 2014 menggunakan Rasberry Pi. Digunakan sebanyak 11157 citra yang berisi 30 jenis rambu lalu lintas sebagai dataset yang diambil di jalan Kota Yogyakarta. Ditambahkan variasi dataset berupa penambahan noise, blur, dan dark. Pada training model dilakukan konfigurasi hyperparameter berupa learning rate, epoch, dan ukuran citra. Penelitian ini menggunakan algoritma You Only Look Once (YOLO) versi 8. Pengujian menggunkan data siang menghasilkan precision 96%, recall 83%, F1 score 90%, dan accuracy 80%. Sedangkan, pengujian menggunakan data malam menghasilakan precision 93%, recall 70%, F1 score 80%, dan accuracy 67%. Penelitian ini menunjukkan bahwa variasi dataset, konfigurasi hyperparameter, dan cahaya berpengaruh terhadap performa kerja sistem.

In the field of digital image processing, computer vision utilizes various algorithms to interpret information from moving images (video). One of the applications of algorithms in computer vision is the detection system, which is one of the important parts of the Autonomous Vehicle system that functions for navigation in the movement of the car. Safety in driving is the main part that must be considered. To reduce the accident rate due to traffic violations, the Autonomous Vehicle must have the ability to recognize various types of traffic signs. However, the types of traffic signs used in various countries have differences according to regulations, climate, and environmental conditions. Thus, traffic signs used abroad cannot be fully used as guidelines for developing traffic sign detection systems in Indonesia. 

Therefore, in this research, a Traffic Sign Detection System in Indonesia in accordance with the Minister of Transportation Regulation Number 13 of 2014 using Rasberry Pi was built. A total of 11157 images containing 30 types of traffic signs were used as datasets taken on the streets of Yogyakarta City. Added dataset variations in the form of adding noise, blur, and dark. In the training model, hyperparameter configuration is carried out in the form of learning rate, epoch, and image size. This research uses the You Only Look Once (YOLO) algorithm version 8. Testing using daytime data produces precision 96%, recall 83%, F1 score 90%, and accuracy 80%. Meanwhile, testing using night data resulted in precision 93%, recall 70%, F1 score 80%, and accuracy 67%. This research shows that dataset variation, hyperparameter configuration, and light affect the performance of the system.

Kata Kunci : Computer Vision, Rambu Lalu Lintas, YOLOv8, Rasberry Pi