Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknik Sipil Cendekia (JTSC)
E Setiyadi
Fakultas Teknik, Program Studi Teknik Arsitektur Universitas Subang
Civil Engineering, Building, Construction & Architecture

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
KLASIFIKASI DAN DETEKSI KERETAKAN PADA TROTOAR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK: Classification and Detection of Cracks on Sidewalks Using the Convolutional Neural Network Method ari Wibowo; E Setiyadi
JURNAL TEKNIK SIPIL CENDEKIA (JTSC) Vol 4 No 1 (2023): February
Publisher : Departement of Civil Engineering, Universitas Winaya Mukti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51988/jtsc.v4i1.116

Abstract

Trotoar adalah bagian dari jalan raya yang khusus disediakan untuk pejalan kaki dimana trotora pada umumnya terletak di daerah manfaat jalan untuk memudahkan ketika berjalan kaki. Hal ini agar pejalan kaki tidak bercampur dengan kendaraan yang tentunya dapat memperlambat arus lalu lintas dan dapat membahayakan pejalan kaki itu sendiri. Namun pada kenyataannya permukaan trotoar memiliki kondisi yang beragam. Oleh karena itu perbaikan trotoar merupakan solusi tepat agar kerusakan trotoar tidak semakin memburuk dan tidak mengganggu para pengguna trotoar. Langkah pertama dalam permukaan trotoar adalah mendeteksi kerusakan yang ada di permukaan. Salah satu metode yang dapat dipakai dalam mendeteksi kerusakan pada trotoar adalah menggunakan teknologi terkini salah satunya adalah memanfaatkan deep learningdengan metode CNN. Tujuan penelitian ini adalah menyusun algoritma yang secara khusus digunakan untuk membedakan trotoar yang retak dan tidak retak. Adapun dataset latih yang digunakan sebanyak 3200 citra gambar dan 800 citra untuk data uji. Dimana gambar gambar ini kami ambil dari katalog kaggle. Dari penelitian yang kami lakukan hasil pengujian menunjukkan bahwa model berhasil membedakan permukaan trotoar yang retak maupun yang tidak retak dengan akurasi yang cukup tinggi, dimana nilai akurasi rata-rata yang dihasilkan di atas 96% dan nilai loss yang mendekati 1,5%.
Co-Authors ari Wibowo