Implementasi Model YOLOv8 dalam Sistem Deteksi Kerusakan Mobil Untuk Peningkatan Layanan Asuransi Otomotif Dan Rental Mobil

Firmansyah, Muhamad Rafif Rezha (2026) Implementasi Model YOLOv8 dalam Sistem Deteksi Kerusakan Mobil Untuk Peningkatan Layanan Asuransi Otomotif Dan Rental Mobil. Skripsi thesis, UPN Veteran Yogyakarta.

	Text 123220041_Cover - MUHAMAD RAFIF REZHA FIRMANSYAH.pdf Download (103kB)
	Text 123220041_Abstrak - MUHAMAD RAFIF REZHA FIRMANSYAH.pdf Download (663kB)
	Text 123220041_Halaman Pengesahan - MUHAMAD RAFIF REZHA FIRMANSYAH.pdf Download (313kB)
	Text 116220015_Daftar Isi - ANDIKA NIKO.pdf Download (137kB)
	Text 123220041_Daftar Pustaka - MUHAMAD RAFIF REZHA FIRMANSYAH.pdf Download (827kB)
	Text 123220041_Fulltext - MUHAMAD RAFIF REZHA FIRMANSYAH.pdf Restricted to Repository staff only Download (4MB)

Abstract

Proses pemeriksaan kerusakan kendaraan secara manual di perusahaan asuransi dan rental mobil sering kali memakan waktu, rentan terhadap kesalahan penilaian, serta berpotensi menimbulkan klaim palsu. Penelitian ini bertujuan untuk mengembangkan sistem deteksi kerusakan kendaraan secara otomatis menggunakan model YOLOv8n. Dataset yang digunakan berjumlah 8.857 citra kendaraan yang diperoleh dari platform Roboflow, terdiri dari 21 kelas kerusakan fisik seperti penyok, goresan, dan kaca pecah. Dataset dibagi dengan proporsi 80% data latih, 15% data validasi, dan 5% data uji, kemudian diterapkan augmentasi data dengan faktor pengali 3× sehingga total dataset meningkat menjadi 22.050 citra. Model dilatih selama 100 epoch menggunakan platform Kaggle dengan konfigurasi optimizer AdamW dan learning rate awal 0,001 yang diperoleh melalui pengujian hyperparameter sistematis.
Hasil evaluasi model pada epoch terbaik (ke-72) menunjukkan nilai precision sebesar 0,647, recall sebesar 0,616, mAP@0,5 sebesar 0,634, dan mAP@0,5–0,95 sebesar 0,439. Nilai F1-Score terbaik sebesar 0,62 dicapai pada confidence threshold 0,356. Sistem diimplementasikan dalam bentuk aplikasi berbasis web browser menggunakan ONNX Runtime Web sehingga inferensi model dapat berjalan langsung di sisi klien tanpa memerlukan server pemrosesan tambahan.
Hasil penelitian menunjukkan bahwa model YOLOv8n mampu mendeteksi kerusakan kendaraan dengan performa yang memadai, khususnya pada kelas kerusakan dengan karakteristik visual yang distingtif. Sistem ini diharapkan dapat membantu meningkatkan efisiensi proses inspeksi kendaraan serta mengurangi potensi klaim palsu pada layanan asuransi dan rental mobil.

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	deteksi kerusakan kendaraan, YOLOv8, deep learning, klaim asuransi, rental mobil, deteksi objek, computer vision.
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	08 Oct 2026 06:39
Last Modified:	08 Oct 2026 06:39
URI:	http://eprints.upnyk.ac.id/id/eprint/49616

Actions (login required)

View Item