Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- ea931fba-0dc0-4d8a-8749-073ef96dd5ca
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro (UDINUS), melalui partisipasi Dirganjaya, Sie Deta; Shidik, Guruh Fajar; Ardiena, Maulidya Ayu; Marendratama, Radhitya; dan Kusuma, Edi Jaya, melaksanakan kajian mengenai dampak arsitektur lapisan transpose konvolusional dalam deep learning berbasis jaringan saraf konvolusional untuk mendeteksi lubang jalan. Kegiatan ini membahas kebutuhan identifikasi kerusakan jalan secara tepat dan waktu nyata dalam sistem transportasi cerdas, ketika deteksi yang tepat waktu dapat meningkatkan keselamatan dan efisiensi pemeliharaan.
Kajian tersebut meneliti penggantian lapisan upsampling statis dengan ConvTranspose2d sebagai mekanisme upsampling yang dapat dipelajari pada model YOLOv5m dan YOLOv8m. Cakupan kajian secara khusus berfokus pada lubang jalan berukuran kecil dan tidak beraturan dalam kondisi visual dunia nyata yang menantang. Kondisi tersebut mencakup lubang jalan yang sebagian tertutup oleh air, serpihan permukaan, atau bayangan. Dengan memungkinkan jaringan merekonstruksi detail spasial secara adaptif, pendekatan tersebut dievaluasi melalui kinerja deteksi kedua model.
Hasil eksperimen menunjukkan bahwa penambahan lapisan transpose meningkatkan kinerja deteksi pada YOLOv5m dan YOLOv8m. YOLOv5m dengan lapisan transpose mencapai mAP@50 sebesar 0.839, yang menunjukkan peningkatan 1.57% dibandingkan baseline. YOLOv8m menunjukkan peningkatan dari 0.751 menjadi 0.777, yang setara dengan kenaikan relatif sebesar 3.46%. YOLOv5m mempertahankan keseimbangan yang lebih baik antara presisi dan latensi inferensi, dengan presisi sebesar 0.894. YOLOv8m menunjukkan generalisasi yang lebih tinggi, yang tercermin dari peningkatan recall dari 0.640 menjadi 0.720, meskipun waktu inferensinya juga meningkat.
Melalui kegiatan ini, UDINUS melaksanakan kajian yang berfokus pada arsitektur ConvTranspose2d untuk deteksi objek waktu nyata dalam pemantauan jalan dengan kondisi visual yang kompleks. Temuan tersebut memberikan wawasan mengenai peningkatan yang berorientasi pada arsitektur dan potensi ConvTranspose2d untuk tugas deteksi objek yang kritis terhadap keselamatan.