Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Sadewa, Rahma Danu
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
IMPLEMENTASI SSD-MOBILENET DAN U-NET UNTUK DETEKSI DAN PENILAIAN TINGKAT KEPARAHAN PADA APLIKASI PELAPORAN JALAN BERLUBANG Sadewa, Rahma Danu; Via, Yisti Vita; Nurlaili, Afina Lina
Jurnal Informatika dan Teknik Elektro Terapan Vol 12, No 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5320

Abstract

Kondisi jalan rusak di Indonesia sangat memprihatinkan dan membutuhkan penanganan segera. Lubang-lubang di jalan yang menyerupai mangkuk dapat mengancam keselamatan pengguna jalan. Deteksi dan evaluasi kerusakan jalan berlubang bisa dilakukan dengan memanfaatkan teknologi kecerdasan buatan, seperti deep learning. Salah satu penerapan deep learning untuk tugas deteksi objek kompleks adalah Single Shot MultiBox Detector (SSD) yang memproses gambar dan menganalisis fiturnya menggunakan arsitektur MobileNet. Selain itu, tingkat keparahan kerusakan jalan berlubang dapat diidentifikasi menggunakan arsitektur U-Net yang berfungsi untuk segmentasi gambar dengan memprediksi pixel yang mewakili objek. Kombinasi metode SSD dan arsitektur MobileNet dengan U-Net menghasilkan analisis jumlah deteksi dan tingkat keparahan yang membantu pembuatan laporan kerusakan jalan berlubang dalam aplikasi. Pengujian beberapa gambar menunjukkan bahwa model SSD-MobileNet berhasil mendeteksi lubang di jalan dengan akurasi 93%, sementara model U-Net mencapai akurasi 80% dalam memprediksi tingkat keparahan pada jalan berlubang.
IMPLEMENTASI SSD-MOBILENET DAN U-NET UNTUK DETEKSI DAN PENILAIAN TINGKAT KEPARAHAN PADA APLIKASI PELAPORAN JALAN BERLUBANG Sadewa, Rahma Danu; Via, Yisti Vita; Nurlaili, Afina Lina
Jurnal Informatika dan Teknik Elektro Terapan Vol. 12 No. 3S1 (2024)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v12i3S1.5320

Abstract

Kondisi jalan rusak di Indonesia sangat memprihatinkan dan membutuhkan penanganan segera. Lubang-lubang di jalan yang menyerupai mangkuk dapat mengancam keselamatan pengguna jalan. Deteksi dan evaluasi kerusakan jalan berlubang bisa dilakukan dengan memanfaatkan teknologi kecerdasan buatan, seperti deep learning. Salah satu penerapan deep learning untuk tugas deteksi objek kompleks adalah Single Shot MultiBox Detector (SSD) yang memproses gambar dan menganalisis fiturnya menggunakan arsitektur MobileNet. Selain itu, tingkat keparahan kerusakan jalan berlubang dapat diidentifikasi menggunakan arsitektur U-Net yang berfungsi untuk segmentasi gambar dengan memprediksi pixel yang mewakili objek. Kombinasi metode SSD dan arsitektur MobileNet dengan U-Net menghasilkan analisis jumlah deteksi dan tingkat keparahan yang membantu pembuatan laporan kerusakan jalan berlubang dalam aplikasi. Pengujian beberapa gambar menunjukkan bahwa model SSD-MobileNet berhasil mendeteksi lubang di jalan dengan akurasi 93%, sementara model U-Net mencapai akurasi 80% dalam memprediksi tingkat keparahan pada jalan berlubang.
Co-Authors Nurlaili, Afina Lina Yisti Vita Via