Deteksi objek lalu lintas merupakan komponen krusial
dalam mendukung sistem transportasi cerdas, khususnya dalam meningkatkan
keselamatan dan efisiensi berkendara. Penelitian ini mengusulkan modifikasi
arsitektur YOLOv8s guna meningkatkan akurasi deteksi objek lalu lintas,
terutama untuk objek berukuran kecil, melalui integrasi modul Spatial-to-Depth
Convolution (SPD-Conv) pada bagian backbone serta Small Detection Head
(P2 Detection). SPD-Conv berfungsi untuk memperkuat ekstraksi fitur
halus tanpa kehilangan informasi spasial, sedangkan P2 Detection
beresolusi 160×160 ditambahkan untuk meningkatkan sensitivitas terhadap objek
berskala kecil. Dataset KITTI digunakan sebagai data uji, dengan proses
pelatihan yang mencakup penyesuaian hyperparameter secara optimal. Hasil
evaluasi menunjukkan bahwa model yang diusulkan berhasil meningkatkan akurasi mAP50
sebesar 3.0%, precision 4.2%, recall 3.0%, dan F1-score 3.6%
dibandingkan dengan YOLOv8s standar. Selain itu, performa model meningkat
secara signifikan dalam mendeteksi objek kecil seperti pejalan kaki dan
pesepeda. Hal ini membuktikan kombinasi SPD-Conv dan P2 Detection
efektif dalam meningkatkan kinerja deteksi objek pada sistem transportasi
cerdas.
