Pendekatan Adaptive Gamma Correction dan CLAHE Untuk Deteksi Lubang Pada Malam Hari

Latar Belakang. Lubang merupakan salah satu permasalahan signifikan dalam infrastruktur jalan di Indonesia. Hal ini berpotensi menyebabkan kerusakan kendaraan serta meningkatkan risiko kecelakaan lalu lintas. Deteksi lubang jalan pada malam hari menghadapi tantangan yang kompleks akibat kondisi pencahayaan yang rendah. Kondisi pencahayaan tersebut dapat menurunkan kualitas citra secara signifikan. Tujuan. Penelitian ini bertujuan untuk menghasilkan sistem yang dapat digunakan untuk mendeteksi jalan berlubang pada malam hari di kondisi pencahayaan rendah serta untuk mengetahui performa sistem dalam mendeteksi lubang yang dikombinasikan dengan metode peningkatan citra. Metode. Metode yang diusulkan pada penelitian ini yaitu mengkombinasikan YOLOv11 dengan Adaptive Gamma Correction dan Contrast Limited Adaptive Histogram Equalization. Hasil. Hasil pengujian menunjukkan bahwa kombinasi YOLOv11 dengan AGC dan CLAHE meningkatkan performa deteksi lubang. Pengujian sistem dibagi menjadi empat kecepatan kendaraan. Pada kecepatan 30 km/jam, nilai precision mencapai 96,6% dengan mAP@50 sebesar 95,8%. Pada kecepatan 40 km/jam nilai precision mencapai 94,9% dengan mAP@50 sebesar 92,5%. Pada kecepatan 50 km/jam nilai precision mencapai 93,4% dengan mAP@50 sebesar 88,2%. Dan pada kecepatan 60 km/jam nilai precision mencapai 91,7% dengan mAP@50 sebesar 83,1%. Peningkatan nilai recall sekitar 10% pada setiap kecepatan yang diuji. Kesimpulan. YOLOv11 yang dikombinasikan dengan AGC dan CLAHE dapat meningkatkan nilai performa dan hasil deteksi lubang pada malam hari di kondisi pencahayaan rendah.