Klasifikasi Kondisi Permukaan Jalan Berbasis Deteksi Objek Menggunakan Model Yolov8 Dan Yolov 11

Kondisi permukaan jalan yang rusak, seperti jalan berlubang dan retak, dapat membahayakan pengguna jalan serta mengganggu kenyamanan berkendara. Oleh karena itu, diperlukan sistem otomatis yang mampu mengidentifikasi kondisi permukaan jalan secara cepat dan akurat. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja model YOLOv8 dan YOLOv11 dalam klasifikasi kondisi permukaan jalan berbasis deteksi objek menggunakan citra digital. Metode penelitian meliputi pengumpulan dataset, proses anotasi, preprocessing data, pelatihan model dengan variasi epoch, serta evaluasi menggunakan metrik precision, recall, F1-score, mAP@50, dan mAP@50–95. Model digunakan untuk mendeteksi objek kerusakan jalan melalui bounding box sekaligus mengklasifikasikan jenis kerusakan berdasarkan label yang diprediksi. Hasil penelitian menunjukkan bahwa YOLOv11 memiliki performa yang lebih baik berdasarkan metrik evaluasi, terutama pada nilai recall dan mAP@50–95. Namun, pada tahap pengujian model dan implementasi secara real-time, YOLOv8 menunjukkan performa yang lebih stabil dan konsisten. Perbedaan ini menunjukkan bahwa performa metrik tidak selalu sejalan dengan performa implementasi. Oleh karena itu, pemilihan model terbaik perlu mempertimbangkan kebutuhan sistem, baik dari segi akurasi maupun stabilitas dalam kondisi nyata.

Kata Kunci: deep learning, deteksi objek, deteksi jalan berlubang, yolov11, yolov8