<![CDATA[Tingkat kerusakan infrastruktur jalan di Indonesia cukuplah tinggi. Berdasarkan data BPS, sebanyak 56.02% dari seluruh jalan di Indonesia belum dalam kondisi yang baik. Penelitian ini bertujuan untuk mengembangkan sistem deteksi kerusakan jalan berbasis web menggunakan kecerdasan buatan untuk meningkatkan efisiensi pemeliharaan dan pemantauan jalan. Metode inspeksi jalan tradisional dibatasi oleh sumber daya manusia dan alat pengumpulan data, yang dapat menyebabkan kesalahan dan keterlambatan. Selain itu, solusi teknologi seperti ROMDAS memiliki ketergantungan perangkat keras dan fleksibilitas yang terbatas. Untuk mengatasi masalah ini, sistem yang diusulkan memungkinkan pengunggahan data video survei jalan dengan metadata GPS untuk diklasifikasikan kerusakan jalan berbasis AI. Penelitian ini menggunakan metode Software Development Life Cycle waterfall. Dalam penelitian ini, proses rekayasa kebutuhan menghasilkan 3 aktor, 38 kebutuhan fungsional, dan 3 kebutuhan nonfungsional. Penelitian ini dirancang dengan pendekatan berorientasi objek menggunakan Unified Modeling Language. Implementasi dilakukan menggunakan React.js Typescript, Hapi.js, dan PostgreSQL. Sistem ini diuji dengan pengujian white box dan black box dengan menunjukkan tingkat keberhasilan 100%. Sistem ini menyediakan solusi yang efisien dan hemat biaya untuk pemantauan kerusakan jalan, memungkinkan analisis dan manajemen proyek perbaikan jalan yang mudah. Pendekatan ini menawarkan peningkatan yang signifikan dibandingkan metode konvensional, yang memungkinkan pengambilan keputusan dan alokasi sumber daya yang lebih baik.]]>
Copyrights © 2025
