Identifikasi Jenis Kerusakan Perkerasan Jalan Menggunakan Metode Single Shot Detector Guna Meningkatkan Infrastruktur Pariwisata
Abstract
Kerusakan jalan pada kawasan pariwisata perlu diidentifikasi secara cepat dan akurat untuk mendukung keselamatan serta kualitas infrastruktur. Penelitian ini mengembangkan sistem identifikasi kerusakan perkerasan jalan berbasis citra digital menggunakan metode Single Shot Detector (SSD) dengan backbone MobileNet. Data diperoleh melalui perekaman video permukaan jalan, kemudian diekstraksi menjadi citra dan diproses melalui tahapan preprocessing seperti peningkatan kontras, penajaman, noise filtering, dan kompresi. Dataset terdiri dari empat jenis kerusakan—berlubang, bergelombang, amblas, dan retak kulit buaya—dengan total 978 citra yang dibagi menjadi data latih, validasi, dan uji. Hasil pengujian menunjukkan bahwa model SSD-MobileNet menghasilkan akurasi terbaik sebesar 80,41% pada batch size 64, dengan nilai mean Average Precision (mAP) 88,35%. Evaluasi lebih lanjut menunjukkan bahwa jenis kerusakan berlubang memiliki performa deteksi terbaik dengan nilai recall 92% dan F1-score 83,64%, sedangkan kerusakan amblas memiliki nilai terendah namun tetap berada di atas 50%. Temuan ini menunjukkan bahwa model mampu mengidentifikasi kerusakan jalan secara efektif dan berpotensi diterapkan dalam sistem pemantauan infrastruktur berbasis citra digital untuk mendukung pembangunan daerah pariwisata.
Keywords
Full Text:
PDFReferences
P. A. Rosyady, F. F. Rahani, and A. R. C. Baswara, "AMARTO (Damaged Road Detector): Purwarupa sistem deteksi dan analisator kerusakan jalan raya Kota Yogyakarta berbasis citra digital dan GPS," Jurnal Jarlit, vol. 17, pp. 65–84, 2021.
Radarlombok.co.id, "Tangani Jalan Rusak, Pemprov NTB Usulkan Rp 1,5 Triliun ke Pusat," May 15, 2023. [Online]. Available: https://radarlombok.co.id/tangani-jalan-rusak-pemprov-ntb-usulkan-rp-15-triliun-ke-pusat.html. [Accessed: Dec. 18, 2024].
Republik Indonesia, Undang-Undang Republik Indonesia Nomor 22 Tahun 2009 tentang Lalu Lintas dan Angkutan Jalan. Jakarta, Indonesia: Pemerintah Republik Indonesia, 2009.
M. Idris, Rustijan, R. Adelwin, and J. Sugeng, Inspeksi Keselamatan Jalan dan Pemanfaatan Hawkeye di dalam Pelaksanaan Inspeksi Keselamatan Jalan. Bandung, Indonesia: BTLLJ-Pusjatan, 2010.
Departemen Pekerjaan Umum, Manual Pemeliharaan Rutin untuk Jalan Nasional dan Jalan Provinsi, Jilid II: Metode Perbaikan Standar. Jakarta, Indonesia: Direktorat Jenderal Bina Marga, Direktorat Bina Teknik, 1995.
R. H. Pramestya, "Deteksi dan Klasifikasi Kerusakan Jalan Aspal Menggunakan Metode YOLO Berbasis Citra Digital," Bachelor's thesis, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia, 2018.
S.-K. Ryu, T. Kim, and Y.-R. Kim, "Image-based pothole detection system for its service and road management system," Mathematical Problems in Engineering, vol. 2015, Art. no. 968361, 2015.
L. Zhang, F. Yang, Y. D. Zhang, and Y. J. Zhu, "Road crack detection using deep convolutional neural network," in Proc. IEEE Int. Conf. Image Processing (ICIP), Phoenix, AZ, USA, 2016, pp. 3708–3712.
Z. Fan, Y. Wu, J. Lu, and W. Li, "Automatic pavement crack detection based on structured prediction with the convolutional neural network," arXiv preprint arXiv:1802.02208, 2018.
X. Xu et al., "Research on image detection and application of security dangerous goods based on SSD," in Proc. IEEE 1st Int. Conf. Civil Aviation Safety and Information Technology (ICCASIT), 2019.
S. Ren, K. He, R. Girshick, and J. Sun, "Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 39, no. 6, pp. 1137–1149, Jun. 2017.
A. G. Howard et al., "MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications," arXiv preprint arXiv:1704.04861, 2017.
F. Yudaningrum and Ikhwanudin, "Identifikasi jenis kerusakan jalan," Teknika, vol. 12, no. 2, pp. 1–8, 2017.
Z. Munawar, M. Hasnawi, I. S. Beno, I. W. A. S. Darma, C. K. Sasatradipraja, N. P. Sutramiani, and A. Amir, Visi Komputer: Konsep, Metode, dan Aplikasi. Bandung, Indonesia: Kaizen Media Publishing, 2023.
W. Liu, D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C. Fu, and A. C. Berg, "SSD: Single Shot MultiBox Detector," in Computer Vision – ECCV 2016, Lecture Notes in Computer Science, vol. 9905. Cham, Switzerland: Springer, 2016, pp. 21–37.
M. S. Iswahyudi, I. Irmawati, J. A. Widians, G. S. Mahendra, M. Pratiwi, N. Hayati, S. Pormalingo, E. Miranda, W. Waryono, and H. I. Yannuarsyah, Aplikasi Machine Learning di Berbagai Bidang. Jambi, Indonesia: PT Sonpedia Publishing Indonesia, 2023.
DOI: http://dx.doi.org/10.30872/jurti.v10i3.26809
Refbacks
- There are currently no refbacks.
Copyright (c) 2026 Jurnal Rekayasa Teknologi Informasi (JURTI)

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Alamat Redaksi :
Program Studi Informatika
Fakultas Teknik
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [081528400126]
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.








