Bintang Wahyu Putro, 2026. Evaluasi Kinerja dan Robustness Model YOLOv8n untuk Deteksi Rambu Lalu Lintas Indonesia sebagai Pendukung Inventarisasi Aset Jalan. Skripsi, Program Studi S-1 Teknik Sipil, Fakultas Teknik, Universitas Sebelas Maret, Surakarta.Inventarisasi rambu lalu lintas merupakan bagian penting dalam pengelolaan aset jalan, tetapi proses inventarisasi secara manual membutuhkan waktu, tenaga, dan biaya yang relatif besar. Penelitian ini bertujuan untuk mengevaluasi kinerja baseline, robustness, dan efisiensi komputasi model YOLOv8n sebagai pendukung inventarisasi aset jalan.Penelitian ini menggunakan dataset Traffic Sign in Indonesia berformat YOLO yang terdiri atas 30 kelas rambu lalu lintas. Model YOLOv8n dilatih menggunakan data latih dan data validasi, kemudian dievaluasi pada data uji asli sebagai baseline. Pengujian robustness dilakukan menggunakan data uji turunan dengan gangguan visual sintetis berupa low-light dan Gaussian blur. Evaluasi dilakukan menggunakan metrik precision, recall, F1-score, mAP@50, mAP@50–95, waktu inferensi, dan FPS.Hasil penelitian menunjukkan bahwa model YOLOv8n memiliki kinerja baseline yang sangat baik dengan nilai precision sebesar 0,9948, recall sebesar 1,0000, F1-score sebesar 0,9974, mAP@50 sebesar 0,9950, dan mAP@50–95 sebesar 0,9813. Nilai mAP@50–95 pada skenario low-light 0,3; 0,5; dan 0,7 berturut-turut sebesar 0,9781; 0,9497; dan 0,8119, sedangkan pada skenario Gaussian blur 0,3; 0,5; dan 0,7 berturut-turut sebesar 0,9792; 0,9730; dan 0,9076. Pada data uji asli, model menghasilkan 487 true positive, 0 false negative, dan 1 false positive. Pengujian menggunakan GPU NVIDIA RTX 3050 4 GB menghasilkan waktu inferensi rata-rata sebesar 10,2621 ms per gambar atau 97,4457 FPS. Berdasarkan dataset dan skenario uji yang digunakan, YOLOv8n berpotensi digunakan sebagai alat bantu identifikasi awal rambu lalu lintas, terutama pada kondisi citra normal hingga gangguan visual ringan dan sedang, dengan tetap memerlukan verifikasi sebelum digunakan sebagai data inventaris resmi.