AKBAR MIZWAR Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2024

Skripsi

Jalan memiliki peran yang sangat penting dalam pembangunan dan sistem transportasi darat, namun juga membawa risiko bagi kehidupan manusia. Risiko tersebut mencakup kecelakaan lalu lintas yang disebabkan oleh jalan yang rusak atau tidak terawat dengan baik. Oleh karena itu, upaya untuk mengurangi risiko ini sangat penting dan salah satu aspek utamanya adalah menjaga dan merawat kondisi jalan. Saat ini, survei kerusakan jalan masih dilakukan secara manual ditengah perkembangan artificial intelligence yang sudah sangat maju sehingga perlu adanya otomatisasi dalam survei kerusakan jalan. Tujuan dari penelitian iniiadalah mengembangkan model untuk deteksi kerusakan jalan yang akuratidan efisien serta membangun dataset kerusakan jalan yang terdiri dari enam kelas. Metode yang dipakai dalam penelitian ini adalah Faster R-CNN dengan backbone ResNet50. Penelitian ini menggunakan dataset citra jalan rusak yang diperoleh secara mandiri yang diambil dari jalan nasional pesisir barat provinsi aceh serta penambahan dari RDD2020 sehingga berjumlah 2934 citra yang telah dikelompokkan menjadi enam kelas yaitu pothole, alligator crack, longitudinal crack, transverse crack, edge crack dan road joints. Hasil yang telah didapatkan adalah berupa model deep learning menggunakan arsitektur Faster R-CNN dengan ResNet50 sebagai backbone yang menghasilkan mAP 0.5 sebesar 86,8% pada model baseline dan 92,3% pada dataset yang sudah diaugmentasi. Berdasarkan hasil tersebut dapat disimpulkan bahwa metode Faster R-CNN dapat diterapkan secara efektif dalam melakukan deteksi kerusakan jalan. Kata kunci: Jalan rusak, Faster R-CNN, Pemeliharaan jalan, Deep learning 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 128734 2024-08-27 10:41:23 2024-08-27 10:48:58 machine generated