DETEKSI DAN KLASIFIKASI KERUSAKAN JALAN ASPAL MENGGUNAKAN METODE YOLOv8 BERBASIS CITRA

Oktavian, Dicky (2024) DETEKSI DAN KLASIFIKASI KERUSAKAN JALAN ASPAL MENGGUNAKAN METODE YOLOv8 BERBASIS CITRA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (187kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (932kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (221kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (709kB)
	Text (BAB V) BAB V.pdf Download (88kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (122kB)
	Archive (SOURCE CODE) Sourcecode - 20.11.3688.zip Restricted to Repository staff only Download (1MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Kerusakan jalan seperti retak rambut, retak buaya, dan lubang dapat menimbulkan ketidaknyamanan dan membahayakan pengguna jalan, yang berpotensi menyebabkan kecelakaan. Berdasarkan data Peta Kerusakan Jalan Nasional tahun 2022, kerusakan berat dan ringan di Jawa Tengah mencapai 94 kilometer. Oleh karena itu, diperlukan pengecekan kondisi jalan secara berkala dan perawatan untuk meminimalisir dan mencegah kerusakan. Perbaikan kerusakan perkerasan jalan atau pelapisan aspal sangat penting, terutama di daerah dengan curah hujan tinggi seperti Indonesia. Langkah awal dalam pemeliharaan jalan adalah mengidentifikasi kerusakan jalan, yang dapat dilakukan secara manual atau otomatis. Metode manual, meski memakan waktu, tenaga, dan biaya, serta rentan terhadap subjektivitas, melibatkan pengambilan data dan foto kerusakan jalan secara langsung. Sebaliknya, metode otomatis menggunakan alat yang dapat mengambil gambar kondisi jalan dan secara otomatis membedakan jenis serta lokasi kerusakan, memberikan hasil yang lebih efisien, obyektif, dan aman. Penelitian ini mengusulkan penggunaan YOLOv8, model pembelajaran mendalam yang terbukti memiliki kecepatan dan akurasi tinggi dalam mendeteksi objek, untuk mengidentifikasi dan mengklasifikasikan kerusakan jalan seperti lubang dan retak. Dengan memanfaatkan teknologi kecerdasan buatan ini, deteksi kerusakan jalan dapat dilakukan lebih cepat, akurat, dan efisien tanpa campur tangan manusia secara langsung. Hasil penelitian menunjukkan akurasi lebih dari 70% dalam klasifikasi jenis kerusakan jalan. Implementasi teknologi ini diharapkan dapat meningkatkan efisiensi dan efektivitas pemeliharaan jalan di Indonesia.

Actions (login required)

View Item