Rekonstruksi Objek Irregular Terpendam pada Beton Berbasis Sinyal Ground-Penetrating Radar Menggunakan Generative Adversarial Network

Siahaan, John Parulian (2023) Rekonstruksi Objek Irregular Terpendam pada Beton Berbasis Sinyal Ground-Penetrating Radar Menggunakan Generative Adversarial Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211940000040-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 3 October 2025. Download (4MB) | Request a copy

Abstract

Ground Penetrating Radar (GPR) sudah sering digunakan dalam ilmu geofisika untuk mendeteksi objek tertimbun bawah tanah. Tidak hanya pada media tanah, media lain seperti kayu, beton, dan aspal juga dapat digunakan. Objek yang dideteksi juga bisa dalam berbagai bentuk dan materi, salah satunya yaitu cavities. Cavities merupakan rongga udara yang timbul pada beton akibat udara yang terjebak pada proses pengecoran. Umumnya bentuk cavities adalah irregular. Dengan menggunakan sinyal GPR, upaya mendeteksi cavities tersebut dapat dilakukan. Dalam penelitian ini dilakukan proses rekonstruksi sinyal dari B-Scan GPR. Bentuk sinyal yang akan digunakan yaitu ricker wavelet, karena bentuknya sangat bagus dalam pembentukan data seismik. Proses rekonstruksi sinyal umumnya menggunakan transformasi fourier pada saat mengintegrasikan sinyal A-Scan, sehingga relatif rumit dan lama. Dengan menerapkan Conditional Generative Adversarial Network (CGAN), data B-Scan GPR dapat disintesis menggunakan fungsi Generator dan Diskriminator. Data tersebut dapat digunakan dalam mengidentifikasi dan mengklasifikasi objek pada sinyal GPR, yang fokusan penelitian ini berupa bentuk irregular cavities pada beton. Dengan penelitian ini, diharapkan terbentuknya suatu metode yang dapat dapat merekonstruksi sinyal B-Scan GPR agar lebih sederhana, yang kemudian dapat mendeteksi bentuk irregular cavities pada beton.
=============================================================================================================================
Ground Penetrating Radar (GPR) has often been used in geophysics to detect objects buried underground. Not only in soil media, other media such as wood, concrete and road can also be used. The detected object can also be in various shapes and materials, one of which is the cavities. Cavities are some air-space that arise in concrete due to air trapped in the casting process. By using the GPR signal, efforts to detect these cavities can be carried out. In this research, the signal reconstruction process from the GPR B-Scan was carried out. The signal form that will be used is the ricker wavelet, because the shape is very good at forming seismic data. The signal completion process generally uses the Fourier transform when integrating A-Scan signals, so it is relatively complicated and long. By applying the conditional generatif adversial network (CGAN), GPR B-Scan data can be synthesized using the Generator and Discriminator functions. These data can be used in identifying and classifying objects in the GPR signal, which is the focus of this research in the form of irregular shape cavities in concrete. With this research, it is expected to form a method that can reconstruct the GPR B-Scan signal
to make it simpler, which can then detect irregular shape cavities in concrete.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Irregular, GPR, B-Scan, CGAN.
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Electrical Technology > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	John Parulian Siahaan
Date Deposited:	31 Jul 2023 07:11
Last Modified:	31 Jul 2023 07:11
URI:	http://repository.its.ac.id/id/eprint/101132

Actions (login required)

View Item