DETEKSI DAN COUNTING KERUSAKAN JALAN PADA DATA VIDEO MENGGUNAKAN FILTER GABOR DAN METODE RADIAL BASIS FUNCTION NETWORK (RBFN)

Muheimin, Muhammad Rifki (2021) DETEKSI DAN COUNTING KERUSAKAN JALAN PADA DATA VIDEO MENGGUNAKAN FILTER GABOR DAN METODE RADIAL BASIS FUNCTION NETWORK (RBFN). Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
Thesis-06111850010003.pdf - Accepted Version
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Inspeksi jalan adalah suatu kegiatan untuk mengetahui kondisi jalan yang dilakukan dengan menggunakan survey Indeks Kondisi Pengerasan (IKP). Survey ini dilakukan dalam kurun waktu tertentu dan dikerjakan secara manual, jika dikerjakan secara manual maka membutuhkan waktu dan biaya yang tinggi. Salah satu cara untuk meminimalkan waktu dan biaya yang dibutuhkan inspeksi jalan secara otomatis, salah satu cara dapat menggunakan digital image processing. Kerusakan jalan dapat dideteksi dengan akurat sehingga dapat mengurangi waktu untuk membuat laporan kondisi jalan. Dalam penelitian ini dilakukan inspeksi jalan otomatis berbasis video dengan digital image processing. Tahapan-tahapan yang dilakukan adalah preprocessing untuk meningkatkan kualitas image, deteksi kerusakan jalan dengan menggunakan filter Gabor dan morfologi, ekstraksi fitur Gray Layer Co-Occurance Matrix (GLCM) untuk mendapatkan fitur-fitur yang dibutuhkan untuk proses klasifikasi, dan klasifikasi jenis kerusakan jalan menggunakan metode Radial Basis Function Network (RBFN). Metode Radial Basis Function Network (RBFN) digunakan untuk proses klasifikasi jenis kerusakan jalan seperti lubang, retak garis dan retak aligator. Hasil dari klasifikasi di-counting sesuai dengan jenis kerusakan yang telah didapatkan. Pada penelitian ini digunakan variasi lambda (

Item Type: Thesis (Masters)
Uncontrolled Keywords: Digital Image Processing, Filter Gabor, Gray Level Co-Occurance Matrix (GLCM), Kerusakan Jalan, Radial Basis Function Network (RBFN)
Subjects: T Technology > TE Highway engineering. Roads and pavements > TE228.3 Intelligent transportation systems.
Divisions: Faculty of Mathematics and Science > Mathematics > 44101-(S2) Master Thesis
Depositing User: Muhammad Rifki Muheimin
Date Deposited: 05 Mar 2021 03:27
Last Modified: 05 Mar 2021 03:27
URI: https://repository.its.ac.id/id/eprint/83043

Actions (login required)

View Item View Item