Lubang jalan menjadi salah satu masalah yang dapat menyebaban kerugian padas eseorang atau orang banyak bahkan bisa sampai menghilangkan nyawa. Sehingga banyak penelitian yang dilakukan untuk mendeteksi lubang jalan, khususnya berbasis gambar. Penelitian ini menggunakan UAV (Unmanned Aerial Vehicle) untuk mendapatkan dataset video udara dan melatih CNN (ConvolutionalN eural Network) dengan dataset tersebut. Namun, daripada melakuane pembelajaran dari awal, transfer learning dapat digunakan untuk melatih CNN mengenali objek lubang jalan dan mengukur besar nilai kinerjanya serta berapa frame rate yang optimal. Lalu hasil penelitian ini menunjukan bahwa model dengan rata-rata nilai kinerja terbaik pada ssd_mobilenet_v2_coco sebesar 64,63mAP, diikuti oleh ssd_mobilenet_v3_large_coco sebesar 49,55 mAP dan ssd_resnet_50_fpn_coco dengan nilai 47,78 mAP. Dan frame rate optimal dengan rata-rata nilai kinerja tertinggi pada frame rate 15FPS sebesar 56,69 mAP, diikuti oleh 1FPS dengan nilai 53,72 mAP, dan 30FPS dengan nilai 51,55 mAP.

Kata kunci: Kinerja, Transfer Learning, Convolutional Neural Network, Deteksi Lubang Jalan, Video Udara