Aplikasi Convolutional Neural Networks (CNN) Untuk Klasifikasi Retakan Beton

Farida Asriani (Jurusan Teknik Elektro, Fakultas Teknik, Universitas Jenderal Soedirman, Purwokerto)
Gandjar Pamudji (Jurusan Teknik Sipil, Fakultas Teknik, Universitas Jenderal Soedirman, Purwokerto)
Hesti Susilawati (Jurusan Teknik Elektro, Fakultas Teknik, Universitas Jenderal Soedirman, Purwokerto)
Firdauz Tri Anggoro (Jurusan Teknik Elektro, Fakultas Teknik, Universitas Jenderal Soedirman, Purwokerto)

Jurnal Ilmiah Dinamika Rekayasa (DINAREK)
Vol 19, No 1 (2023): Jurnal Ilmiah Dinamika Rekayasa - Februari 2023

Beton menjadi bahan utama dari kebanyakan kontruksi bangunan. Timbulnya sebuah retakan atau kerusakan struktur dari beton tersebut sangat berpengaruh terhadap struktur bangunan secara keseluruhan karena mampu memperpendek umur dari bangunan tersebut. Dari hal tersebut, diperlukannya pengawasan secara rutin terhadap kondisi struktur beton sehingga dapat dilakukan perencanaan pemeliharaan di masa depan. Pada paper ini penulis  menerapkan teknologi  sistem cerdas terhadap pendeteksian keretakan beton. Penerapan Deep Learning dengan arsitektur Convolutional Neural Networks dengan model MobileNet V1 dan Inception V3 dan ResNet-50 untuk melakukan pengklasifikasian kondisi keretakan dari sebuah masukan gambar visual. Deteksi keretakan beton yang dilakukan dikelompokkan dalam tiga kelas yaitu retak besar, retak kecil dan tidak retak. Dari hasil training dan validasi yang telah dilakukan CNN dengan model mobileNet V1 memberikan hasil akurasi yang terbaik yaitu 0,8924 untuk akurasi pelatihan dan 0,8899 untuk akurasi validasi