Mahasiswa Program Magister Teknik Industri, Departemen Teknik dan Industri (DTMI) UGM, Devi Hasugian, mengangkat isu lingkungan perkotaan melalui pemanfaatan teknologi kecerdasan buatan dalam penelitian tesisnya. Penelitian ini dipresentasikan dalam Ujian Tesis yang diselenggarakan pada Rabu (21/01).
Dalam tesis berjudul “Deteksi Objek dan Perhitungan Luas Area Polusi Visual Berbasis Deep Learning (YOLO)”, Devi Hasugian menyoroti permasalahan polusi visual sebagai salah satu faktor yang menurunkan kualitas estetika lingkungan, kenyamanan ruang publik, serta kualitas hidup masyarakat. Polusi visual juga diketahui dapat meningkatkan tingkat stres, menurunkan konsentrasi, meningkatkan risiko kecelakaan, dan berdampak pada produktivitas di sektor manufaktur maupun jasa.
Penelitian ini bertujuan membangun sebuah machine learning framework yang mampu mendeteksi elemen-elemen polusi visual sekaligus menghitung luas area terdampak secara kuantitatif. Data penelitian dianotasi menggunakan metode instance segmentation dan diperkaya melalui proses data augmentation untuk meningkatkan variasi dan ketangguhan model. Pemilihan model terbaik dilakukan melalui proses hyperparameter tuning dengan metode Grid Search, dengan parameter yang diuji meliputi epoch, learning rate, dan optimizer.
Tiga arsitektur model dibandingkan, yaitu YOLOv8s, YOLOv9c, dan YOLOv11s. Model terbaik dipilih berdasarkan nilai mean Average Precision (mAP50) tertinggi pada tahap pengujian. Hasil penelitian menunjukkan bahwa YOLOv9c dengan 60 epoch, initial learning rate 0,0001, dan optimizer SGD memberikan performa terbaik. Model ini menghasilkan nilai mAP50 sebesar 83,5%, mAP50–95 sebesar 60,1%, Precision 87,8%, Recall 76,7%, dan F1-Score 81,9% pada evaluasi mask detection.
Selain deteksi objek, penelitian ini juga menguji akurasi perhitungan luas area polusi visual menggunakan Mean Absolute Percentage Error (MAPE). Hasil pengujian menunjukkan nilai MAPE sebesar 34,01% untuk kelas Network and Communication Tower, 10,12% untuk Outdoor Advertisement and Signage, 8,38% untuk Street Litter, dan 45,5% untuk kelas Wire, dengan MAPE keseluruhan sebesar 24,50%.
Melalui pendekatan ini, penelitian Devi Hasugian diharapkan dapat menjadi dasar pengembangan sistem pemantauan polusi visual yang objektif dan berbasis data, sehingga dapat mendukung perencanaan tata kota, pengawasan ruang publik, serta pengambilan kebijakan menuju lingkungan perkotaan yang lebih tertata dan berkelanjutan.
Kontributor: Maryanti, A.Md.
Penyusun: Gusti Purbo Darpitojati, S.I.Kom.
