Implementasi DeepLabv3+ Untuk Peningkatan Deteksi dan Tracking Lajur Jalan Pada Sistem Autonomous car = Implementation of DeepLabv3+ for Improved Lane Detection and Tracking in Autonomous Car System

Latar belakang. Proyeksi pasar kendaraan otonom diperkirakan mencapai $615 miliar pada 2026, mencerminkan pergeseran industri dari kecepatan ke keselamatan dan inovasi teknologi. Salah satu aspek keselamatan jalan raya adalah mendeteksi lajur jalan dengan akurat. Penelitian sebelumnya menggunakan arsitektur U-Net dalam segmentasi menunjukkan akurasi keseluruhan 79,8%, dengan akurasi garis putus-putus 75,3% dan garis penuh 54,8%. Namun, U-Net memiliki kelemahan dalam segmentasi karena fitur garis yang mirip dan segmentasi dilakukan per frame. Oleh karena itu, penerapan DeepLabv3+ dapat meningkatkan akurasi dari peneliti sebelumnya. Tujuan. Penelitian ini bertujuan untuk merancang dan mengoptimalisasi sistem pendeteksi dan tracking lajur jalan pada Autonomous car menggunakan arsitektur DeepLabv3+ dan menganalisis performa Semantic Segmentation dalam mendeteksi dan tracking lajur jalan menggunakan arsitektur DeepLabv3+. Metode. Penelitian ini menggunakan data sebanyak 374 gambar berupa lingkungan jalan diantaranya Jl. Veteran Utara, Jl. Gunung Bawakaraeng, Jl. Tol Reformasi, Jl. Tol Layang A.P Pettarani, dan Jl. Bonto Daeng Ngirate Kota Makassar terdiri dari empat kelas yakni jalan, marka garis membujur penuh, garis membujur putus-putus dan background. Data dibagi menjadi 336 data untuk training dan 38 untuk testing. Kemudian dilakukan proses training berupa hyperparameter dan berbagai metode training lainnya, kemudian dilakukan evaluasi model menggunakan Intersection Over Union (IoU) dan perhitungan estimasi jarak ban dengan marka menggunakan Root Mean Square Error (RMSE). Hasil. Pengujian model menggunakan IoU mencapai akurasi sebesar 97,34% dan hasil pengujian sistem estimasi jarak ban dan marka garis dengan metode RMSE sebesar 0,0377119856. Kesimpulan. Implementasi Deeplabv3+ meningkatkan hasil IOU secara keseluruhan sehingga meningkatkan akurasi deteksi lajur jalan.

Kata Kunci : Autonomous car, real-time, lajur jalan, Semantic Segmentation, DeepLabv3+