Pengenalan Jenis Rambu Lalu Lintas menggunakan Metode YOLO V5

Abstract

Meningkatnya jumlah kendaraan bermotor secara signifikan, tidak dapat dipungkiri turut mempengaruhi meningkatnya jumlah kecelakaan lalu lintas. Tingginya angka kecelakaan ini dapat diminimalisir dengan meningkatkan kesadaran masyarakat, dimana salah satunya dengan mengedukasi masyarakat mengenai aturan berlalu lintas. Bentuk edukasi masyarakat mengenai aturan lintas dapat dilakukan dengan mengembangkan sistem berbasis kecerdasan buatan yang dapat mengidentifikasi jenis rambu lalu lintas. Metode kecerdasan buatan yang sering digunakan adalah metode deep learning CNN. Penelitian ini mengembangkan metode untuk melakukan deteksi jenis rambu lalu lintas menggunakan metode YOLO V5 yang merupakan salah satu pengembangan dari metode CNN. Data yang digunakan terdiri dari 96 label jenis rambu lalu lintas dengan jumlah seluruh data sebanyak 1100 citra. Alokasi data train yang digunakan sebanyak 990 citra (90%), sedangkan alokasi data validasi sebanyak 110 citra (10%). Nilai identifikasi model yang diperoleh diantaranya precision sebesar 0,923, recall sebesar 0,826, mAP50 sebesar 0,965, dan mAP50-95 sebesar 0,924.