ANALISIS PERBANDINGAN ALGORITMA CNN DAN YOLO DALAM MENGIDENTIFIKASI KERUSAKAN JALAN

Abstract

Jalan merupakan infrastruktur penting dalam kehidupan masyarakat yang memiliki peran dalam mendukung pertumbuhan ekonomi, mobilitas, dan konektivitas antar wilayah. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma yaitu Convolutional Neural Network (CNN) dan You Only Look Once (YOLO), dalam mengidentifikasi kerusakan jalan. Tiga variabel instrumen yang dievaluasi, yaitu waktu pelatihan, kecepatan deteksi, dan akurasi pengujian. Metode analisis yang digunakan adalah Uji-T Berpasangan dengan tingkat signifikansi alpha sebesar 0,05. Hasil pengujian menunjukkan bahwa terdapat perbedaan yang signifikan dalam waktu pelatihan antara CNN dan YOLO (P-Value < alpha), yang mengindikasikan bahwa salah satu algoritma memerlukan waktu pelatihan yang lebih sedikit daripada yang lainnya. Namun tidak terdapat perbedaan yang signifikan dalam kecepatan deteksi maupun akurasi pengukuran (P-Value > alpha) antara kedua algoritma. Temuan ini menunjukkan bahwa meskipun ada perbedaan dalam waktu pelatihan antara CNN dan YOLO, keduanya memiliki kinerja yang setara dalam hal kecepatan deteksi dan akurasi pengujian dalam konteks pengidentifikasian kerusakan jalan. Oleh karena itu, pemilihan antara kedua algoritma ini dapat dipertimbangkan berdasarkan faktor-faktor lain seperti kebutuhan spesifik proyek dan kemampuan komputasi yang tersedia.