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:	https://repository.unas.ac.id/id/eprint/12509

Actions (login required)

View Item