Klasifikasi Jenis Kerusakan pada Rel Kereta Api Menggunakan Metode Transfer Learning

Kusuma, Dicky Pratama (2024) Klasifikasi Jenis Kerusakan pada Rel Kereta Api Menggunakan Metode Transfer Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002201156-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (1MB)

Abstract

Pembangunan jalan kereta api merupakan salah satu Proyek Strategis Nasional yang memerlukan infrastruktur jalur kereta api yang aman dan andal. Dalam 10 tahun terakhir, Komite Keselamatan Transportasi Nasional (KNKT) Indonesia mencatat 30 kali anjlokan kereta api yang sebagian besar disebabkan oleh kerusakan pada rel. Pemeriksaan dan klasifikasi jenis kerusakan rel saat ini masih dilakukan secara manual yang memakan waktu, tenaga dan berisiko tinggi. Salah satu pendekatan yang dapat dilakukan dalam klasifikasi kerusakan adalah dengan menggunakan deep learning seperti convolutional neural network (CNN). Pendekatan ini memungkinkan proses klasifikasi kerusakan rel dilakukan secara otomatis dan lebih akurat, mengurangi ketergantungan pada inspeksi manual yang rentan terhadap kesalahan manusia. Dalam penelitian ini menggunakan metode transfer learning pada model convolutional neural network (CNN) dengan arsitektur ConvNeXt, EfficientNetV2, dan ShuffleNetV2 untuk klasifikasi kerusakan rel berdasarkan data gambar rel di Indonesia. Hasil penelitian menunjukkan bahwa model ConvNeXt memberikan kinerja terbaik dengan nilai akurasi 0.971 dan F1-Score sebesar 0.971, diikuti oleh EfficientNetV2 dengan nilai akurasi 0.955 dan F1-Score sebesar 0.955 serta ShuffleNetV2 dengan akurasi sebesar 0.938 dan F1-Score sebesar 0.939. Model ConvNeXt dengan akurasi tertinggi terbukti sangat efektif dalam memprediksi kerusakan meskipun terdapat noise pada data.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Classification, Damage, Railway Track, Convolutional Neural Network, Transfer Learning, Klasifikasi, Kerusakan, Rel Kereta Api, Convolutional Neural Network, Transfer Learning.
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Dicky Pratama Kusuma
Date Deposited:	31 Jul 2024 03:37
Last Modified:	06 Aug 2024 02:28
URI:	http://repository.its.ac.id/id/eprint/111056

Actions (login required)

View Item