AL-HAFIDH MAILISMAN Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2024

Skripsi

Jalan memiliki peran penting dalam kemajuan sosial dan ekonomi suatu negara dan merupakan salah satu aset nasional yang vital. Kualitas dan keselamatan perjalanan sangat bergantung pada kondisi jalan. Retakan, lubang, dan ketidakrataan permukaan jalan dapat merusak kendaraan, meningkatkan risiko kecelakaan, serta menambah biaya perawatan. Penelitian ini menganalisis sistem klasifikasi kerusakan jalan menggunakan arsitektur EfficientNet-B4, yang dipilih karena keunggulannya dalam skalabilitas melalui pendekatan compound scaling. Pendekatan ini meningkatkan resolusi gambar, kedalaman, dan lebar jaringan secara bersamaan, menghasilkan performa tinggi dengan jumlah parameter yang lebih sedikit dibandingkan model seperti ResNet dan Inception. Penelitian ini bertujuan untuk menguji kemampuan model yang dilatih menggunakan dataset RDD2022 dalam mengenali kerusakan jalan pada data uji yang diambil dari lingkungan sekitar. Model ini mencapai akurasi 83.71%, meskipun masih terdapat kesalahan klasifikasi dengan nilai akurasi sebesar 27%, recall 27%, F1-Score 26%, dan precision 26%. Sistem ini diharapkan dapat membantu menentukan program perbaikan yang sesuai untuk kerusakan jalan yang teridentifikasi. Kata Kunci: Kerusakan Jalan, Deep Learning, Tensorflow, EfficientNet-B4. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 129192 2024-08-30 12:00:21 2024-08-30 12:06:12 machine generated