Berikut adalah silabus 10 sesi (masing-masing 1,5 jam) untuk topik: “Pengembangan Sistem Deteksi dan Klasifikasi Kerusakan Jalan Menggunakan YOLO dan CNN”
Silabus Kursus 10x Sesi (1.5 Jam per Sesi)
Judul: Pengembangan Sistem Deteksi dan Klasifikasi Kerusakan Jalan Menggunakan YOLO dan CNN
Sesi 1: Pengantar Computer Vision dan Deteksi Objek
-
Definisi dan ruang lingkup Computer Vision
-
Pengenalan Deteksi Objek: metode klasik vs deep learning
-
Studi kasus kerusakan jalan: lubang, retak, permukaan bergelombang
-
Tools yang digunakan: Python, OpenCV, TensorFlow/PyTorch
Sesi 2: Pengenalan YOLO (You Only Look Once)
-
Evolusi YOLO: dari YOLOv1 hingga YOLOv8
-
Arsitektur dasar YOLO dan mekanisme grid-based prediction
-
Perbandingan YOLO dengan SSD dan Faster-RCNN
-
Instalasi dan setup YOLOv5 atau YOLOv8
Sesi 3: Dataset Kerusakan Jalan
-
Sumber dataset: RDD2020, Crack500, atau dataset custom
-
Kategori kerusakan jalan: Alligator Crack, Pothole, Transverse Crack, dsb
-
Teknik labeling dengan Roboflow / LabelImg
-
Format YOLO: .txt annotations dan struktur folder
Sesi 4: Preprocessing dan Augmentasi Data
-
Normalisasi, resize, augmentasi gambar
-
Teknik augmentasi untuk meningkatkan generalisasi model
-
Pembagian dataset: training, validation, test
-
Evaluasi jumlah dan distribusi label
Sesi 5: Training Model YOLO
-
Konfigurasi parameter: batch size, epochs, learning rate
-
Fine-tuning vs transfer learning
-
Interpretasi log hasil training
-
Mengatasi overfitting dan underfitting



