PENINGKATAN PERFORMA DETEKSI OBJEK DI JALAN PADA AUTONOMOUS CAR DENGAN MODIFIKASI ALGORITMA U-NET = IMPROVING ROAD OBJECT DETECTION PERFORMANCE IN AUTONOMOUS CAR WITH MODIFIED U-NET ALGORITHM

Autonomous car adalah teknologi yang semakin populer, dimana ketepatan dalam deteksi objek di jalan sangat penting untuk menjamin keselamatan dan efisiensi dalam berkendara. Penelitan ini mengembangkan sistem segmentasi objek di jalan dikhusukan pada motor dan mobil dengan melakukan modifikasi algoritma U-Net. Modifikasi yang dilakukan pada penelitian ini adalah penambahan layer input yang di resize pada bagian decoder. Pengambilan data dilakukan di Jl. A.P.
Pettarani, Jl. Urip Sumoharjo, Jl. Perintis, Jl. Pendidikan, dan Jl. Hertasning kota Makassar, sehingga diperoleh 651 gambar sebagai dataset. Hyperparameter yang digunakan yaitu epoch 500 dan batch size 4 pada tahap training. Pada tahap testing digunakan 131 data gambar dengan tiga jenis ukuran gambar, yaitu 128x128 piksel, 256x256 piksel, dan 512x512 piksel. Metrik pengujian untuk mengevaluasi performa sistem pada penelitian ini adalah Intersection over union (IoU) dan f1-score. Hasil penelitian menunjukkan algoritma modifikasi U-Net dapat meningkatan akurasi segmentasi background, car, dan motorcycle. Pada pengujian dengan ukuran 128x128 piksel, 256x256 piksel, dan 512x512 piksel algoritma modifikasi U-Net mendapatkan akurasi masing masing sebesar 68%, 63% 74% dengan menggunakan IoU dan sebesar 83%,73,3%, 85,3% menggunakan f1-score, lebih baik dari pada menggunakan algorima U-Net dengan akurasi masing masing sebesar 66,3%, 56,3%, 62,3% dengan menggunakan IoU dan 79,6%, 68,6%, 70,6% menggunakan f1-score. Hasil ini memperkuat pentingnya modifikasi algoritma dalam meningkatkan ketepatan deteksi objek pada autonomous car. Temuan ini memberikan kontribusi penting dalam pengembangan sistem deteksi objek yang lebih canggih dan akurat untuk aplikasi
kendaraan otonom.