Semarang (ANTARA) - Dosen Fakultas Teknologi Informasi dan Komunikasi (FTIK) Universitas Semarang (USM) Aria Hendrawan MKom berhasil meraih gelar doktor pada Program Studi Doktor Sistem Informasi (DSI) Universitas Diponegoro usai dinyatakan lulus ujian promosi doktor pada Rabu (4/9/2024).

Dr Aria Hendrawan MKom melakukan penelitian disertasi dengan judul “Pengembangan Metode Yolo sebagai Deteksi dan Klasifikasi Kendaraan pada Intelligent Transportation System”. Tim Penguji terdiri atas Dekan Pascasarjana Undip Prof Ir Mochamad Agung Wibowo MM MSc PhD, Sekretaris Prodi DSI Prof Dr Ir R Rizal Isnanto ST MM MT IPU ASEAN Eng, Promotor Prof Dr Rahmat Gernowo MSi, Co Promotor Dr Oky Dwi Nurhayati ST MT, Penguji 1 Dr Drs Catur Edi Widodo MT, Penguji 2 Jatmiko Endro Suseno SSi MSi PhD, dan Penguji Eksternal dari Universitas Ahmad Dahlan Yogyakarta Prof Dr Ir Imam Riadi MKom.

Kaprodi DSI Undip Prof Dr Rahmat Gernowo MSi mengaku bangga atas capaian dari para mahasiswa DSI dan Dr Aria Hendrawan MKom merupakan  lulusan yang ke-12.

Rektor USM Dr Supari MT mengatakan bahwa saat ini USM memiliki dosen dengan kualifikasi doktor sebanyak 92 dosen dan Dr Aria Hendrawan merupakan doktor ke-93.

“Dr Aria Hendrawan merupakan  doktor ketiga di program studi Teknik Informatika USM dan  akan memperkuat SDM khususnya dalam bidang teknologi informasi, ke depan negara ini akan sangat membutuhkan SDM yg ahli dalam teknologi informasi, sekarang ini dalam semua aspek kehidupan kita tak lepas dari teknologi informasi,” ungkap Dr Supari.

“Tantangan ke depan adalah bagaimana membuat aplikasi yang mengendalikan aktifitas kita setiap hari menggunakan aplikasi produk anak negeri bukan dari produk negeri asing, hal ini terkait keamanan informasi dan kerahasiaan informasi,” tambahnya.

Dr Supari mengaku sangat bangga dan apresiasi atas capaian Dr Aria Hendrawan untuk memperkuat USM pada khususnya dan untuk Indonesia pada umumnya dalam memajukan teknologi informasi.

Menurut Dr Aria Hendrawan bahwa sistem transportasi cerdas (Intelligent Transportation System atau ITS) berperan penting dalam mengelola lalu lintas di kota-kota besar. Deteksi dan klasifikasi kendaraan secara akurat menjadi tantangan utama, terutama dalam kondisi lingkungan yang dinamis seperti pencahayaan rendah atau lalu lintas padat. 

“YOLO (You Only Look Once), metode populer untuk deteksi dan klasifikasi objek karena kecepatannya yang tinggi. Keunggulan YOLO tersebut, ternyata mengakibatkan kesulitan dalam mendeteksi kendaraan yang serupa, terutama saat pencahayaan tidak ideal, sehingga mengurangi efektivitas ITS dalam merespons situasi lalu lintas yang kompleks,” ungkap Dr Aria Hendrawan.

“Penelitian ini mengembangkan model YOLO yang dioptimalkan, bernama YOLO-ARIA (You Only Look Once Artificial Intelligent Real-Time Analysis), untuk meningkatkan akurasi dan kecepatan deteksi serta klasifikasi kendaraan. Penelitian dimulai dengan pengumpulan dataset video dari CCTV di beberapa lokasi strategis di Kota Semarang. Video dikonversi menjadi citra yang digunakan sebagai input model,” tambahnya.

Lebih lanjut ia menambahkan bahwa kualitas citra ditingkatkan menggunakan metode Contrast Limited Adaptive Histogram Equalization (CLAHE) untuk memperbaiki kontras dan detail citra, terutama dalam kondisi pencahayaan rendah. Anotasi citra diberikan untuk memastikan data latih yang berkualitas. YOLO-ARIA dikembangkan dengan mengintegrasikan mekanisme Cross Convolutional Network (C3X) dan modul C3-2 ke dalam arsitektur YOLO, yang dirancang untuk meningkatkan representasi ciri objek kendaraan. Kinerja model dievaluasi menggunakan metrik seperti precision, recall, dan mean average precision (mAP). 

Hasil penelitian menunjukkan YOLO-ARIA mencapai akurasi deteksi dan klasifikasi kendaraan sebesar 98,4% dibandingkan metode YOLO sebelumnya yang diuji pada dataset Visual of Content (VOC). YOLO-ARIA menunjukkan peningkatan kecepatan deteksi dan klasifikasi kendaraan sebesar 50% dibandingkan dengan YOLOv5x. Pengurangan jumlah lapisan menjadi 172 dan nilai operasi komputasi sebesar 16,6 giga per detik menjadikan YOLO-ARIA lebih efisien diterapkan pada aplikasi waktu nyata. 

Pencapaian YOLO-ARIA dalam keseimbangan yang lebih baik antara akurasi dan kecepatan deteksi menjadi solusi efektif dalam sistem transportasi cerdas. Pengembangan lebih lanjut diharapkan dapat meningkatkan efisiensi manajemen lalu lintas serta memperluas penerapan YOLO-ARIA dalam berbagai kondisi lingkungan dan jenis kendaraan. ***