Chris, Robertus Diawan (2020) Penerapan Metode Single Shot Detector (SSD) Untuk Klasifikasi Jenis Kerusakan Jalan Pada Data Video. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06111440000066-Undergraduate_Thesis.pdf Download (9MB) | Preview |
Abstract
Pemeriksaan kondisi jalan saat ini masih dilakukan secara konvensional menggunakan tenaga manusia dengan memeriksa langsung kondisi di jalan raya. Berdasarkan Dinas Pekerjaan Umum (DPU), salah satu faktor lamanya proses perbaikan jalan yaitu disebabkan oleh proses pencatatan yang kondisi kerusakan jalan yang masih dilakukan secara manual. Dengan perkembangan teknologi saat ini, telah banyak dilakukan penelitian untuk mendeteksi jenis kerusakan jalan secara otomatis dengan menggunakan pengolahan citra. Pada tugas akhir ini telah dilakukan klasifikasi kerusakan jalan pada data video dengan menggunakan salah satu metode deep learning yaitu single shot detector (SSD) yang memiliki akurasi lebih tinggi dari you only look once dan lebih cepat dari faster r-cnn. Tahap dari penelitian ini terdiri dari tiga tahap, yaitu tahap pre training, tahap training, dan tahap klasifikasi. Penelitian ini menghasilkan akurasi sebesar 75.45% dengan kerusakan jalan berukuran kecil paling sedikit.
=================================================================================================
Examination of road conditions is currently being carried out conventionally using human to manually check the conditions on the road. Based on Public Works Office, one of the factor that make road refinement took longer is because of manual process of recording road conditions. With current technology developments, many studies have been carried out to detect the type of pavement distress automatically using image processing. In this study, the author applied one of deep learning method, that is single shot detector (SSD) method which is more accurate than you only look once method and faster than faster r-cnn method. There is three steps in this study: pre training, training, and classification. The result of this study is accuracy of 75.45% with the least small sized pavement distress.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | kerusakan jalan, pengolahan citra, single shot detector, pavement distress, image processing |
| Subjects: | T Technology > T Technology (General) > T58.62 Decision support systems T Technology > TE Highway engineering. Roads and pavements > TE7 Transportation--Planning |
| Divisions: | Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis |
| Depositing User: | Robertus Diawan Chris |
| Date Deposited: | 18 Sep 2020 03:10 |
| Last Modified: | 08 Jan 2024 03:38 |
| URI: | http://repository.its.ac.id/id/eprint/81970 |
Actions (login required)
 |
View Item |