Evaluasi Efisiensi dan Performa YOLOv8 Small-Scale Variants dalam Pendeteksian Jalan Berlubang

Abstract

Kerusakan jalan berlubang merupakan salah satu permasalahan utama dalam pemeliharaan infrastruktur jalan di Indonesia. Metode yang ada saat ini, yang masih bergantung pada inspeksi manual, sering kali memakan waktu dan biaya yang besar dan kurang efisien. Penelitian ini bertujuan untuk mengembangkan sistem deteksi jalan berlubang menggunakan dua model YOLOv8, yakni YOLOv8s dan YOLOv8n, untuk membandingkan kinerja keduanya dalam hal akurasi deteksi dan kecepatan. Dataset yang digunakan terdiri dari 1.330 gambar dengan variasi kondisi jalan berlubang yang mencakup berbagai ukuran dan kedalaman kerusakan. Hasil penelitian menunjukkan bahwa YOLOv8s unggul dalam hal akurasi deteksi, dengan mAP50 sebesar 0.8060, dan mAP50-95 sebesar 0.5595, serta recall 0.7023 dan F1-score 0.7584. Namun, YOLOv8s memerlukan waktu deteksi yang lebih lama, yakni 13.44 ms per frame. Sebaliknya, YOLOv8n lebih cepat dengan inference time 11.96 ms dan FPS 83.63, meskipun akurasinya sedikit lebih rendah, dengan mAP50 sebesar 0.7926. Penelitian ini menunjukkan jika prioritasnya adalah kecepatan dan efisiensi sumber daya, YOLOv8n adalah pilihan yang lebih baik, sementara YOLOv8s lebih cocok untuk aplikasi yang mengutamakan akurasi deteksi tinggi. Hasil penelitian ini dapat digunakan untuk meningkatkan sistem pemantauan jalan atau perangkat monitoring lainnya yang dapat mendeteksi kerusakan secara real-time dan mengurangi ketergantungan pada inspeksi manual.