Road Damage Detection System on Asphalt Roads Using YOLOv5 Algorithm

Ringkasan

Sistem ini dikembangkan untuk mendeteksi dan memetakan kerusakan pada jalan aspal dengan tujuan meningkatkan keselamatan pengguna jalan serta mendukung proses pemeliharaan infrastruktur secara lebih efektif dan terukur. Sistem memanfaatkan algoritma YOLOv5 untuk mendeteksi jenis kerusakan jalan secara otomatis dari citra, kemudian mengintegrasikan hasil deteksi tersebut ke dalam sistem pemetaan berbasis Geographic Information System (GIS) berdasarkan koordinat lokasi kerusakan.

Dalam proyek ini, saya berperan sebagai Pemimpin Proyek (Project Leader) dan bertanggung jawab penuh atas perancangan serta implementasi sistem. Tanggung jawab saya meliputi desain dan penyusunan dataset utama dan sekunder, proses pelatihan dan evaluasi model deteksi berbasis YOLOv5 menggunakan Python, serta pengembangan sistem GIS berbasis web untuk memvisualisasikan hasil deteksi kerusakan jalan. Sistem backend dikembangkan menggunakan Flask dengan basis data PostgreSQL untuk menyimpan data kerusakan dan koordinat lokasi.

Implementasi Sistem

Halaman autentikasi pada website digunakan untuk mengamankan akses ke sistem pemetaan hasil deteksi. Melalui sistem informasi berbasis web ini, pengguna dapat melihat dan mengelola hasil deteksi kerusakan jalan secara terstruktur.

Sistem secara otomatis merekam koordinat lokasi saat kerusakan terdeteksi. Titik koordinat tersebut ditampilkan pada peta GIS, lengkap dengan informasi lebar kerusakan, tingkat kepercayaan (confidence score) sistem terhadap objek yang terdeteksi, serta alamat lokasi berdasarkan data geografis.

Dataset yang digunakan merupakan kombinasi dari data primer dan sekunder yang dikumpulkan secara mandiri. Total sebanyak 1.469 citra digunakan dan dibagi ke dalam beberapa kategori, yaitu data training, validation, dan testing, untuk memastikan model dapat dilatih dan dievaluasi secara optimal.

Pada proyek ini, sistem dirancang untuk mendeteksi tiga kelas utama kerusakan jalan, yaitu potholes (lubang jalan), alligator cracks (retak kulit buaya), dan longitudinal cracks (retak memanjang). Klasifikasi ini membantu proses analisis tingkat kerusakan dan penentuan prioritas perbaikan.

Sistem ini dirancang untuk memenuhi kebutuhan proyek akademik kampus, sekaligus memberikan gambaran penerapan teknologi computer vision dan sistem informasi geografis dalam mendukung pengambilan keputusan pada bidang pemeliharaan infrastruktur jalan.