EPrints Universitas Amikom YogyakartaANALISIS PERFORMA MOBILENETV2 PADA DETEKSI KERUSAKAN JALANAnang SepriyantoPutroauthorKondisi kerusakan jalan merupakan salah satu permasalahan infrastruktur yang berdampak langsung terhadap keselamatan pengguna jalan, kenyamanan berkendara, serta efisiensi distribusi logistik. Kerusakan seperti retakan, lubang, dan deformasi permukaan jalan sering kali sulit terdeteksi secara cepat apabila masih mengandalkan inspeksi manual, sehingga berpotensi menyebabkan keterlambatan penanganan dan peningkatan risiko kecelakaan. Oleh karena itu, diperlukan suatu pendekatan otomatis berbasis teknologi yang mampu mendeteksi dan mengklasifikasikan tingkat kerusakan jalan secara akurat dan efisien. Penelitian ini menggunakan pendekatan deep learning dengan arsitektur Convolutional Neural Network (CNN) berbasis MobileNetV2 untuk mendeteksi dan mengklasifikasikan tingkat kerusakan jalan. Dataset yang digunakan adalah Road Damage Classification and Assessment yang terdiri dari empat kelas kondisi jalan, yaitu Good, Satisfactory, Poor, dan Very Poor. Tahapan penelitian meliputi akuisisi data, pembagian dataset menjadi data latih, validasi, dan uji, pra-pemrosesan citra (resizing dan normalisasi), augmentasi data untuk meningkatkan variasi citra, pelatihan model menggunakan teknik transfer learning, serta evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model MobileNetV2 mampu memberikan performa klasifikasi yang baik dengan tingkat akurasi dan F1-score yang tinggi pada data uji. Penerapan pra-pemrosesan dan augmentasi data terbukti meningkatkan kemampuan generalisasi model dalam mengenali berbagai tingkat kerusakan jalan. Kontribusi penelitian ini diharapkan dapat menjadi referensi bagi pengembangan sistem pemantauan kondisi jalan otomatis berbasis citra, yang dapat dimanfaatkan oleh instansi pemerintah, peneliti, serta pengembang sistem cerdas dalam mendukung pemeliharaan infrastruktur jalan yang lebih efektif dan efisien.000 Ilmu komputer, informasi dan pekerjaan umum004 Pemrosesan data dan ilmu komputer2026-01-27Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.