Analisis Perbandingan Kinerja Algoritma You Only Look Once V5 Dengan Faster Object More Object Sebagai Pendeteksi Sarana Perkeretaapian

Sistem persinyalan perkeretaapian konvensional di Indonesia menggunakan sistem mekanik, elektromekanik, dan elektrik. Namun, sistem persinyalan mekanik memiliki keterbatasan seperti kurangnya sensor pendeteksi sarana yang mempengaruhi headway dan kapasitas lintas. Untuk mengatasi masalah ini, teknologi pendeteksi objek berbasis kecerdasan buatan dapat diterapkan, seperti algoritma You Only Look Once V5 dan Faster Object More Object. Penelitian ini bertujuan membandingkan kinerja kedua algoritma tersebut sebagai pendeteksi sarana perkeretaapian. Pengujian sistem dilakukan dalam dua tahap yakni, uji training model dan uji implementasi. Dalam uji training, digunakan confusion matrix, akurasi berdasarkan [email protected]:0.95, recall, dan F1-score untuk mengevaluasi model. Dataset yang sama digunakan untuk kedua model guna menghindari bias, dengan iterasi latihan sebanyak 50 dan 100 epochs training. Uji implementasi melibatkan berbagai skenario dengan variasi intensitas pencahayaan dan derajat sudut pandang kamera horizontal (45°, 65°, dan 90°) untuk mengevaluasi stabilitas deteksi dan waktu inferensi. Secara keseluruhan, waktu inferensi dan stabilitas deteksi cenderung berlawanan karena peningkatan kecepatan waktu inferensi diikuti oleh penurunan stabilitas deteksi algoritma. Untuk menentukan algoritma yang tepat sebagai pendeteksi sarana perkeretaapian, metode Simple Additive Weighting digunakan. Hasil penelitian menunjukkan bahwa Algoritma FOMO dengan model epochs 100 merupakan pilihan terbaik dengan nilai akhir 92,2.

Kata kunci: FOMO, Pendeteksi Sarana Perkeretaapian, SAW, YOLO V5.