PENERAPAN ALGORITMA YOU ONLY LOOK ONCE (YOLO) UNTUK MENDETEKSI SARANA PERKERETAAPIAN

Abstract

Moda transportasi kereta api memegang peranan penting dalam distribusi penumpang dan barang di Indonesia. Jumlah penumpang kereta selama Januari hingga Maret 2024 mencapai 98,8 juta orang, naik 14,78% dibandingkan periode yang sama pada tahun 2023. Jalur Perlintasan Langsung (JPL) merupakan titik kritis dimana rel bertemu jalan raya dan dijaga oleh petugas jalur lintasan. Sesuai PM 94 tahun 2018, setiap JPL harus memiliki alat deteksi kereta yang mendeteksi kedatangan kereta sebelum perlintasan dengan jarak hingga delapan kilometer. Namun, banyak JPL tidak memenuhi standar dapat meningkatkan risiko kecelakaan. Penelitian ini mengembangkan alat deteksi sarana perkeretaapian menggunakan metode YOLO ( You Only Look Once ), teknik deep learning untuk deteksi objek secara realtime . Dengan kamera yang ditempatkan sebelum JPL, algoritma YOLO memproses video untuk mendeteksi berbagai jenis sarana seperti lokomotif, gerbong, dan kereta penumpang. Output sistem ini mencakup informasi berupa citra tentang keberadaan sarana. Hasil penelitian ini menunjukkan bahwa model YOLOv8 dengan learning rate 0,001, optimizer SGD , dan epoch 50 memiliki akurasi terbaik dalam mendeteksi sarana perkeretaapian. Algoritma YOLO mampu mendeteksi sarana dengan baik pada waktu pagi dan sore hari, namun akurasi deteksi pada malam hari menurun akibat kurangnya pencahayaan.