PENERAPAN METODE YOLOV11 DALAM DETEKSI ANGKA PADA METERAN AIR PDAM STUDI KASUS PDAM KM 4 PALEMBANG

Abstract

Perkembangan Artificial Intelligence (AI) dan Computer Vision mendorong otomatisasi dalam proses pembacaan angka meteran air berbasis citra digital. Namun, proses pembacaan manual dari dokumentasi lapangan masih rentan terhadap kesalahan identifikasi serta memerlukan waktu pemrosesan yang relatif lama, terutama pada kondisi citra dengan pencahayaan rendah, buram, atau tertutup kotoran. Penelitian ini bertujuan untuk mengembangkan model deteksi angka meteran air menggunakan metode You Only Look Once version 11 nano (YOLOv11n) guna meningkatkan akurasi dan efisiensi proses pembacaan. Metode penelitian meliputi pengumpulan dan anotasi dataset citra meteran air, pelatihan model menggunakan konfigurasi hyperparameter terbaik (optimizer AdamW, learning rate 0,001–0,01, dan epoch 100), serta evaluasi kinerja model menggunakan metrik precision, recall, dan mean Average Precision (mAP). Hasil pengujian menunjukkan bahwa model YOLOv11n memperoleh nilai precision sebesar 98,2%, recall sebesar 97,2%, mAP50 sebesar 98,6%, dan mAP50–95 sebesar 82%. Hasil tersebut menunjukkan bahwa model memiliki tingkat akurasi dan konsistensi yang tinggi dalam mendeteksi angka meteran air pada berbagai kondisi citra, sehingga berpotensi mendukung proses pembacaan meteran air secara otomatis dengan lebih efisien dan andal.