{"id":22417,"date":"2025-03-05T10:00:00","date_gmt":"2025-03-05T03:00:00","guid":{"rendered":"https:\/\/ee.uii.ac.id\/?p=22417"},"modified":"2026-02-05T18:19:02","modified_gmt":"2026-02-05T11:19:02","slug":"menggabungkan-ai-dan-pengenalan-gambar-dalam-self-driving-car-untuk-penglihatan-lingkungan-yang-lebih-baik","status":"publish","type":"post","link":"https:\/\/ee.uii.ac.id\/en-ip\/menggabungkan-ai-dan-pengenalan-gambar-dalam-self-driving-car-untuk-penglihatan-lingkungan-yang-lebih-baik\/","title":{"rendered":"Menggabungkan AI dan Pengenalan Gambar dalam Self-Driving Car untuk Penglihatan Lingkungan yang Lebih Baik"},"content":{"rendered":"

oleh : Rizki Prayogi<\/p>\n\n\n\n

Abstrak<\/h2>\n\n\n\n

Pengembangan mobil otonom memerlukan kemampuan untuk memahami dan bereaksi terhadap lingkungan secara akurat dan real-time. Penelitian ini menyoroti penggabungan kecerdasan buatan (AI) dan pengenalan gambar untuk meningkatkan penglihatan lingkungan mobil otonom. Algoritma canggih seperti jaringan saraf konvolusional (CNNs) dan Residual Networks (ResNets) memungkinkan deteksi objek yang cepat dan tepat. Integrasi data dari berbagai sensor, termasuk kamera, LIDAR, dan radar, memberikan pemahaman yang lebih komprehensif, bahkan dalam kondisi cuaca buruk. Meskipun ada tantangan seperti variasi pencahayaan dan cuaca, teknik terbaru dalam AI dan pengenalan gambar menawarkan solusi untuk meningkatkan keandalan dan keselamatan mobil otonom.<\/p>\n\n\n\n

Kata kunci:<\/strong> Autonomous Car, Image Recognition, Artificial Intelligence.<\/p>\n\n\n\n


\n\n\n\n

Pendahuluan<\/h2>\n\n\n\n

Pengembangan mobil otonom atau self-driving car<\/strong> menghadapi berbagai tantangan signifikan, meskipun menjanjikan peningkatan keselamatan, efisiensi, dan kenyamanan berkendara. Salah satu tantangan utama adalah kompleksitas dalam memahami dan menavigasi lingkungan sekitar secara akurat dan real-time. Mobil otonom harus mampu mendeteksi dan bereaksi terhadap berbagai situasi jalan yang dinamis, seperti keberadaan pejalan kaki, kendaraan lain, dan rambu lalu lintas. Variasi kondisi lingkungan dan cuaca dapat mempengaruhi kinerja sensor dan algoritma yang digunakan.<\/p>\n\n\n\n

Pengenalan gambar memungkinkan mobil otonom untuk mendeteksi dan mengklasifikasikan berbagai objek di jalan, seperti kendaraan lain, pejalan kaki, dan rambu lalu lintas. Dengan memproses data visual yang diterima dari kamera dan sensor lainnya, mobil otonom dapat membuat keputusan yang cepat dan akurat.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Gambar 1. Autonomous Car dengan AI (Gomez, 2023)<\/em><\/p>\n\n\n\n

Integrasi AI dan Pengenalan Gambar dalam Self-Driving Car<\/h2>\n\n\n\n

1. Algoritma Pengenalan Objek Real-Time<\/h3>\n\n\n\n

Algoritma pengenalan objek real-time memainkan peran kunci dalam sistem mobil otonom. Salah satu algoritma yang paling terkenal adalah YOLO (You Only Look Once)<\/a><\/strong>, yang dikenal karena kemampuannya melakukan deteksi objek dalam satu tahap. YOLOv3 mampu mencapai keseimbangan antara kecepatan dan akurasi, menjadikannya ideal untuk aplikasi real-time dalam mobil otonom (Redmon & Farhadi, 2018).<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Gambar 2. Aspek Penting Dalam Autonomous Car (Alsweiss, 2021)<\/em><\/p>\n\n\n\n

Selain YOLO, terdapat algoritma SSD (Single Shot Multibox Detector)<\/strong> yang juga sering digunakan dalam pengenalan objek untuk mobil otonom. Kedua algoritma ini dirancang untuk memberikan efisiensi tinggi dalam komputasi sambil tetap menjaga tingkat akurasi yang baik.<\/p>\n\n\n\n

2. Penggabungan Data dari Berbagai Sensor<\/h3>\n\n\n\n

Untuk meningkatkan pemahaman lingkungan sekitar, mobil otonom menggunakan berbagai sensor seperti kamera, LIDAR, dan radar. Setiap sensor memiliki keunggulan unik:<\/p>\n\n\n\n