APLIKASI IDENTIFIKASI KERUSAKAN JALAN MENGGUNAKAN METODE DEEP LEARNING DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

Syahri, Muhammad (2024) APLIKASI IDENTIFIKASI KERUSAKAN JALAN MENGGUNAKAN METODE DEEP LEARNING DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (1MB)
	Text BAB I.pdf Download (530kB)
	Text Bab II.pdf Download (706kB)
	Text BAB III.pdf Download (517kB)
	Text BAB IV.pdf Download (773kB)
	Text BAB V.pdf Download (341kB)
	Text Lampiran.pdf Download (328kB)

Abstract

Penelitian ini mengarah pada system aplikasi yang bisa membantu pengguna melakukan pendeteksian kerusakan jalan yang berfokus pada lubang. Peningkatan kualitas infrastruktur jalan merupakan salah satu aspek penting dalam pembangunan suatu wilayah. Deteksi lubang jalan yang efisien dan akurat menjadi tantangan utama dalam pemeliharaan jalan. Penelitian ini bertujuan untuk mengembangkan aplikasi deteksi lubang jalan menggunakan algoritma Convolutional Neural Network (CNN). Metode CNN dipilih karena kemampuannya dalam mengenali pola visual yang kompleks dari citra jalan. Dataset yang digunakan terdiri dari ribuan gambar jalan yang diambil dari berbagai kondisi dan lokasi. Model CNN dilatih dan diuji untuk mendeteksi lubang dengan tingkat akurasi yang tinggi. Hasil penelitian menunjukkan bahwa aplikasi ini mampu mendeteksi lubang jalan dengan akurasi sebesar 95%, recall sebesar 92%, dan precision sebesar 94%. Implementasi aplikasi ini diharapkan dapat membantu pemerintah dan pihak terkait dalam melakukan pemeliharaan jalan yang lebih efektif dan efisien, serta meningkatkan keselamatan berkendara. Penelitian selanjutnya dapat difokuskan pada pengembangan model yang lebih robust terhadap variasi kondisi pencahayaan dan cuaca.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > T Technology (General) T Technology > TS Manufactures
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	- Abdurrahman -
Date Deposited:	02 Jan 2025 04:10
Last Modified:	02 Jan 2025 04:10
URI:	http://repository.unas.ac.id/id/eprint/12509

Actions (login required)

View Item