Penelitian ini bertujuan membangun model deteksi jalan berlubang berbasis visi komputer menggunakan metode YOLOv8s yang dilatih dengan kumpulan data primer hasil pengumpulan langsung di lima kecamatan Kota Bekasi, yaitu Medan Satria, Bekasi Utara, Bekasi Barat, Bekasi Timur, dan Pondok Gede. Pengambilan gambar dilakukan secara manual di lapangan menggunakan kamera ponsel pintar, dengan posisi kamera yang dikonsistenkan setinggi dada dan sudut pengambilan mengikuti arah pandang pengendara saat melintasi jalan. Penelitian dilaksanakan mengikuti tahapan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM), mulai dari pemahaman bisnis, pemahaman data, hingga persiapan data yang menghasilkan 344 citra jalan berlubang setelah melalui proses seleksi dan anotasi menggunakan platform Roboflow, dengan pembagian partisi pelatihan, validasi, dan pengujian berdasarkan rasio 80:10:10. Proses pelatihan model dilakukan melalui pendekatan pembelajaran alih dari bobot pralatih MS COCO, dengan tiga skenario augmentasi data untuk memperoleh model dengan performa terbaik. Hasil pengujian menunjukkan bahwa model dengan skenario augmentasi dinamis bawaan Ultralytics memberikan performa terbaik, dengan nilai mean Average Precision ([email protected]) sebesar 89,65%, Precision sebesar 80,12%, Recall sebesar 88,10%, dan F1-Score sebesar 83,92%. Model yang dihasilkan kemudian didemonstrasikan melalui purwarupa antarmuka web berbasis Flask yang mendukung deteksi pada gambar statis maupun secara langsung. Penelitian ini diharapkan dapat menjadi kontribusi awal berupa kumpulan data primer dan tolok ukur performa deteksi jalan

S12579

INF 0101 2026

Bekasi

Tersedia