Pertumbuhan arus lalu lintas kendaraan di berbagai wilayah seperti perkotaan danperdesaan semakin tinggi diakibatkan oleh semakin meningkatnya kebutuhan alat transportasi. Pertumbuhan arus lalu lintas kendaraan di berbagai wilayah seperti perkotaan dan perdesaan semakin tinggi diakibatkan oleh semakin meningkatnya kebutuhan alat transportasi. Kondisi tersebut menyebabkan banyak para ilmuan berupaya untuk meningkatkan kualitas dari moda transportasi secara terus-menerus sehingga semakin mudah, aman dan praktis untuk digunakan. Akibatnya saat ini telah muncul ide transportasi tanpa pengemudi untuk memenuhi kebutuhan tersebut. Bentuk alat transportasi tersebut tidak hanya kendaraan pribadi, namun lebih diharapkan berupa kendaraan masal seperti bus atau kereta. Hal ini tentunya akan menjadi bentuk tantangan baru dalam memasuki era Mobility In Society 5.0 yang diperkirakan akan segera dihadapi juga oleh negara kita. Ada beberapa aspek yang harus diperhatikan dalam mendesain tranportasi otonom atau kendaraan listrik otonom agar tidak menimbulkan kecelakaan yang dapat membahayakan pengendara dan lingkungan sekitar. Diantaranya adalah keberadaan sistem pendeteksi para pejalan kaki. Sistem ini sangat penting karena seperti halnya kendaraan konvensional, kendaraan otonom juga harus menghindari pejalan kaki, namun kali ini dengan tanpa bantuan pengemudi. Untuk mengatasi hal tersebut di atas, maka pada penelitian ini sistem software yang memiliki fungsi untuk dapat mendeteksi pejalan kaki dari segala arah menggunakan kamera 360° dikembangkan. Sistem ini juga memanfaatkan teknologinya deep learning. Desain dan realisasi sistem ini melalui beberapa tahapan yang dimulai dari instalasi software pendukung pada NVIDIA jetson AGX xavier, pengambilan data video dengan kamera 360° untuk membuat dataset sebanyak 19.038 gambar, melatih SSD MobileNet V2 dengan dataset tersebut, hingga proses pengujian secara real-time dan offline. Hasilnya, dengan mengujikan 548 gambar 360° yang ternormalisasi secara offline untuk kondisi siang hari terdapat 60,40% gambar yang dapat terdeteksi sempurna, sedangkan untuk 514 gambar 360° ternormalisasi untuk kondisi sore hari diperoleh 62,25% gambar terdeteksi sempurna. Sedangkan pada pengujian real-time diperoleh confident level 90% untuk pendeteksian pejalan kaki pada siang hari, dan 85% pada sore hari.

Perkembangan saat ini telah membuat teknologi website menjadi sarana penyebaran informasi yang menawarkan berbagai kemudahan serta kecepatan dalam penyajiannya. Kecepatan dan kenyamanan merupakan nilai positif dari keberadaan internet. Website lebih mudah diakses oleh masyarakat di berbagai daerah hanya dengan menggunakan internet. Salah satunya dalam hal pemasaran produk suatu usaha, website dapat menjadi sarana mempromosikan, memasarkan dan menyampaikan informasi yang efektif dan efisien kepada masyarakat. Salah satu hal yang dapat dimanfaatkan dari teknologi website adalah untuk keperluan informasi kendaraan listrik otonom. Teknologi kendaraan ini kedepannya dapat diintegrasikan pada website untuk keperluan informasi keberadaan dan kondisinya. Bahkan tidak menutup kemungkinan untuk lahirnya aplikasi pemanfaatan kendaraan listrik otonom dengan melakukan panggilan melalui website, seperti halnya aplikasi yang sudah marak saat ini yaitu Gojek atau Grab. Pada penelitian ini dikembangkan aplikasi web untuk keperluan kendaraan listrik otonom sederhana, yang beroperasi di lingkungan kampus Universitas Nurtanio Bandung. Rancangan website ini terdiri dari lima halaman. Halaman pertama berisikan beranda tempat informasi umum kegiatan riset pengembangan kendaraan listrik otonom sederhana. Halaman kedua berisikan deteksi objek yang menampilkan informasi lebih detail mengenai teknologi deteksi objek yang digunakan pada kendaraan listrik otonom. Tempat informasi keberadaan kendaraan listrik otonom di lingkungan kampus, selanjutnya diperlihatkan pada halaman ketiga yaitu Av Tracker. Rancangan website ini juga dilengkapi dengan halaman kontributor (halaman empat) yang berisikan para peneliti yang terlibat dalam penelitian kendaraan listrik otonom. Pada bagian akhir, yaitu halaman kelima diperuntukkan bagi informasi mengenai kontak bagi mereka yang berminat untuk berkomunikasi lebih jauh mengenai hal-hal yang berkaitan dengan riset ini. Pada desain website ini digunakan bahasa markup yang terdiri dari HTML dan CSS, disamping itu juga digunakan Bahasa pemrograman PHP dan MySql sebagai database.

Seiring dengan perkembangan zaman, setiap produsen mobil selalu menciptakan produkterbarunya lebih canggih. Ide ini kemudian melahirkan konsep kendaraan listrik otonom (KLO). Hal ini dimaksudkan untuk selalu menghadirkan kendaraan yang dapat memenuhi selera konsumen yang terus berkembang, disamping juga ramah lingkungan Kehadiran kendaraan listrik otonom pastinya akan dialami oleh Indonesia yang masyarakatnya sudah mulai bergantung pada alat transportasi mobil. Oleh sebab itu situasi ini mengharuskan kita bersiap menghadapi era Mobility in Society 5.0, dimana kita harus dapat menguasai teknologi pendukungnya. Kendaraan litrik otonom dapat terealisasi jika sistemnya mampu mendeteksi objek dengan baik. Oleh sebab itu pada penelitian ini dilakukan pengembangan sistem pendeteksi pejalan kaki berbasis deep learning dan memanfaatkan gambar 360°. Sistem software deteksi objek yang dibangun menggunakan Single Shot Multibox Detector (SSD) MobilenetV1, sedangkan hardware yang digunakan untuk pengembangan ini adalah Jetson AGX Xavier. Proses pengembangan yang dilakukan dimulai dari pengambilan gambar 360° ternormalisasi berisi informasi pejalan kaki di area kampus Universitas Nurtanio yang dipergunakan sebagai dataset dan data pengujian, melatih SSD MobileNetV1 dengan dataset tersebut (19.038), dan menguji model software terlatih secara real-time maupun offline.Hasil pengujian offline terhadap 735 gambar 360° pada kondisi siang hari menunjukan bahwa55,5% gambar dapat terdeteksi sempurna, sedangkan dari 595 gambar 360° pada kondisi sore hari, 51,2% gambar dapat terdeteksi sempurna. Pada pengujian secara real-time diperoleh kepastian bahwa 98% pejalan kaki pada siang hari terdeteksi, sedangkan pada sore hari hanya 95%. Waktu proses rata-rata pada sebuah gambar kondisi siang hari adalah 32,81283 ms jika menggunakan CPU, sedangkanjika menggunakan GPU adalah 32,79766 ms. Untuk sebuah gambar dengan informasi yang sama pada kondisi sore hari diperoleh waktu proses 37,42598 ms jika menggunakan CPU, sedangkan jika menggunakan GPU adalah 37,45174 ms.

Mobil adalah sarana transportasi yang kebutuhannya semakin tinggi. Hal ini tidak saja terjadi di luar negeri tapi juga di Indonesia. Namun demikian, keberadaan mobil saat ini dikeluhkan karena polusi yang dihasilkan dan juga tingkat kenyamannya. Harapan di masa mendatang sepertinya lebih mengarah pada hadirnya mobil listrik dengan tingkat polusi sangat rendah, serta kenyamanan dalam penggunaannya, seperti halnya mobil listrik otonom. Di negara maju gagasan ini sudah mulai akan direalisasikan, dan Indonesia sepertinya juga akan menghadapi situasi dimana mobil tersebut menjadi masif digunakan. Oleh sebab itu, kita harus menguasai teknologi kendaraan listrik otonom agar kita dapat memasuki era Mobility in Society 5.0. Salah satu bentuk teknologi terkait adalah sistem software pendeteksian objek berbasis LiDAR. Adakalanya software yang menyertai suatu alat tidak dapat menyediakan fasilitas yang beragam sesuai dengan kebutuhan aplikasi di lapangan. Hal ini dikarenakan keterbatasan yang diberikan oleh produsen alat tersebut, begitu pula dengan produk LiDAR 2D yang banyak dipasaran, contohnya YDLiDAR. Untuk keperluan aplikasi pendeteksian objek, software yang disediakan memiliki keterbatasan dalam hal penyimpanan data, fleksibilitas penyajian data dan kemampuan mereduksi derau yang muncul saat LiDAR tersebut dioperasikan pada kondisi tertentu. Untuk mengatasi kekurangan tersebut diatas, maka pada penelitian ini dikembangkan software pendeteksian objek berbasi LiDAR yang menambahkan fungsi-fungsi tersebut di atas, serta dapat diaplikasikan untuk pendeteksian objek dan pengenalan jarak. Secara umum sistem ini memadukan sistem software yang dikembangkan pada laptop dengan sistem hardware yang terdiri dari YDLiDAR G4 dan interface data serial. Sistem software ini juga dikembangkan dengan menggunakan bahasa pemrograman python. Hasil pengukuran menunjukkan bahwa kinerja software yang dikembangkan memiliki performansi visual yang baik, dapat menyimpan data hasil deteksi dengan durasi yang dapat ditentukan, serta kemampuan dalam menekan derau yang cukup baik. Kemampuan mereduksi noise dari sistem software ini dapat mereduksi error hingga 19,2%.

Untuk memetakan suatu objek berupa kontur suatu daerah akan terasa sulit jikamenggunakan sistem sensor pasif seperti kamera karena keterbatasannya untuk menembus awan, kabut dan cuaca yang tidak menentu. Oleh sebab itu diperlukannya teknologi yang lebih baik untuk dapat memetakan suatu objek dari atas permukaan bumi atau udara. Synthetic Aperture Radar (SAR) adalah teknik pemetaan dengan menggunakan radar untuk menghasilkan peta kontur bumi dengan resolusi tinggi, atau menggambarkan suatu objek serta menyajikan informasi dalam bentuk citra atau gambar. SAR dapat bekerja dalam kondisi cuaca apapun, baik dalam keadaan hujan, salju atau bahkan kabut sekalipun. Kemampuan SAR lainnya adalah untuk dapat mendeteksi objek dengan tingkat keakuratanyang cukup baik. Beradasarkan hal tersebut di atas, penelitian dan pengembangan teknologi SAR sangat diperlukan. Pada penelitian ini studi awal mengenai teknologi SAR telah dilakukan. Penelitian tersebut dimaksudkan untuk dapat melengkapi kemampuan drone atau unmanned aerial vehicle (UAV) baik untuk pencitraan kontur bumi maupun aktifitas terkait society 5.0. Sehingga aplikasinya dapat digunakan untuk keperluan pertanian modern, kehutanan, kelautan, dan kegiatan pengamatan perbatasan. Tujuannya adalah untuk mensimulasikan pendeteksian objek yang berada di permukaan tanah. Terdapat dua metoda pendeteksian objek berbasis SAR yang disimulasikan, yaitu Range Migration Algoritma dan Back Projection Algoritma. Simulasi ini dibangun dengan menggunakan komputer dengan prosesor AMD A8, memori 8 GB dan softperaware MATLAB 2019. Hasil simulasi memperlihatkan bahwa disain system untuk kedua algoritman tersebut dapat bekerja baik pada frekuensi 4 GHz dengan range resolusi 3m. Citra yang ditampilkan pada simulasi ini dalam bentuk 2-D. Sedangkan waktu pemrosesan rata-rata dari ke dua algoritma tersebut untuk dapat melakukan pendeteksian objek adalah 103.2 detik.