PEMANFAATAN TEKNOLOGI DEEP LEARNING DALAM DETEKSI TINGKAT KERUSAKAN JALAN MENGGUNAKAN CNN (Studi Kasus: kecamatan Wasile, Kabupaten Haltim, Maluku Utara)

Abdul, Rinaldi Abdul (2024) PEMANFAATAN TEKNOLOGI DEEP LEARNING DALAM DETEKSI TINGKAT KERUSAKAN JALAN MENGGUNAKAN CNN (Studi Kasus: kecamatan Wasile, Kabupaten Haltim, Maluku Utara). Sarjana thesis, Universitan Khairun.

	Text COVER.pdf - Published Version Download (154kB)
	Text ABSTRACT BAHASA INGGRIS.pdf - Published Version Download (105kB)
	Text BAB I.pdf - Published Version Download (137kB)
	Text DAFTAR PUSTAKA.pdf - Published Version Download (133kB)
	Text SKRIPSI_RINALDI ABDUL_07352011069.pdf - Published Version Download (1MB)

Abstract

Penelitian ini membahas deteksi tingkat kerusakan jalan menggunakan metode Deep Learning untuk menganalisis kondisi jalan dan memberikan alternatif jalur berdasarkan tingkat kerusakan. Studi kasus dilakukan di ruas jalan Subaim-Wasile, Kabupaten Haltim, yang merupakan penghubung antar-kabupaten di Provinsi Maluku Utara. Jalan di daerah ini mengalami berbagai jenis kerusakan seperti lubang, gelombang, dan retakan. Metode yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN) yang diimplementasikan pada citra jalan yang diambil dengan kamera digital. Tujuan Penelitian ini untuk menciptakan model dengan tingkat akurasi tinggi dalam mendeteksi dan mengklasifikasikan kerusakan jalan, guna memudahkan pemeliharaan dan perbaikan jalan secara efektif dan efisien. Hasil penelitian menunjukkan bahwa model CNN yang diterapkan memiliki tingkat akurasi 88% dalam mendeteksi kerusakan jalan, yang diharapkan dapat membantu otoritas terkait dalam mempercepat proses identifikasi dan penanganan kerusakan jalan Kata kunci: Deep Learning, Convolutional Neural Network, deteksi kerusakan jalan, Subaim Wasile, pemeliharaan jalan.

Actions (login required)

View Item