Helfy Susilawati, S.Pd., M.T., Dosen Pembimbing 1 Mirza Etnisa Haqiqi, S.T.,M.T., Dosen Pembimbing 1

Pengembangan teknologi dalam bidang transportasi masa kini menghadirkan kecanggihan, peningkatan kenyamanan, dan inovasi yang mengedepankan keamanan. Kendaraan listrik otonom menjadi salah satu contoh inovasi ini, memudahkan pengendara saat berkendara. Sistem kendaraan listrik otonom menggunakan berbagai sensor seperti LiDAR, radar, GPS, dan kamera untuk mengumpulkan informasi tentang lingkungan sekitarnya. Selain kamera, sistem kendaraan listrik otonom menggunakan kombinasi jaringan syaraf konvolusional (CNN) dan teknik pengolahan citra untuk memproses sinyal masukan yang berbentuk gambar. Pada penelitian ini, menggunakan kamera termal FLIR ADK dan menerapkan metode deep learning dengan menggunakan arsitektur model UNet dan MobileNet U-Net untuk segmentasi semantik pada gambar termal. Kedua model tersebut dilatih dengan 2.700 gambar dan 120 epoch. Proses pengujian kedua model dilakukan secara offline dengan menggunakan 301 gambar. Model MobileNet U-Net memperoleh nilai rata-rata accuracy sebesar 97.30%, precision sebesar 87.17%, recall sebesar 88.67%, dan f1-score sebesar 87.52%. Sedangkan model U-Net memperoleh nilai rata-rata accuracy sebesar 93.07%, precision sebesar 73.84%, recall sebesar 73.53%, dan f1-score sebesar 71.62%. Hasilnya menunjukkan bahwa model MobileNet U-Net memiliki performa yang lebih baik dibandingkan model U-Net.