DETEKSI JALAN BERLUBANG MENGGUNAKAN YOLOV8 DAN INTEGRASI OPENSTREETMAP BERBASIS WEB

Kondisi jalan berlubang di Indonesia menjadi masalah infrastruktur. Berdasarkan data Kementerian PUPR pada tahun 2024, hanya 42% jalan nasional yang dalam kondisi baik. Cara pemantauan konvensional yang mengandalkan inspeksi manual kurang efektif, subjektif, dan tidak bisa mencakup seluruh jalan secara konsisten. Oleh karena itu, diperlukan pendekatan otomatis menggunakan kecerdasan buatan. Penelitian ini bertujuan membuat sistem berbasis web untuk mendeteksi jalan berlubang secara real-time. Sistem ini menggunakan model YOLOv8 yang dikombinasikan dengan OpenStreetMap untuk memvisualisasikan lokasi berlubang. Sistem ini dikembangkan menggunakan metode waterfall dengan arsitektur front-end React dan back-end FastAPI. Model dilatih menggunakan 4.510 gambar dan diubah ke format TensorFlow Lite agar bisa berjalan langsung di perangkat client. Hasil penelitian menunjukkan bahwa model mencapai performa terbaik pada 50 epoch dengan nilai precision 0,911, recall 0,797, mAP@50 sebesar 0,883, dan mAP@50-95 sebesar 0,700, serta tingkat deteksi benar sebesar 83%. Sistem berhasil melakukan deteksi jalan berlubang secara otomatis tanpa proses unggah manual, dengan performa terbaik pada jarak 0–2 meter. Selain itu, sistem mampu menyimpan koordinat GPS dan menampilkan lokasi jalan berlubang melalui OpenStreetMap. Hasil pengujian Black Box menunjukkan fitur sistem berjalan sesuai kebutuhan fungsional. Hasil penelitian menunjukkan bahwa sistem dapat menjadi solusi untuk mendukung pemantauan dan pelaporan jalan berlubang secara otomatis.