<![CDATA[Penelitian ini bertujuan untuk mengembangkan sistem otomatis untuk mengklasifikasikan tingkat kerusakan jalan di Kota Dumai menggunakan Convolutional Neural Network (CNN). Sistem ini diharapkan dapat meningkatkan efisiensi pemeliharaan jalan dengan cara otomatis dan akurat. Data yang digunakan adalah citra jalan yang diklasifikasikan menjadi tiga kategori: kerusakan ringan, sedang, dan berat. Metode CRISP-DM digunakan dalam penelitian ini untuk mengelola siklus hidup data, yang mencakup tahap pengumpulan data, pemahaman data, persiapan data, pemodelan, dan evaluasi. Hasil penelitian menunjukkan bahwa model CNN dapat mengklasifikasikan kerusakan jalan dengan akurasi yang baik, terutama pada kategori kerusakan ringan dan berat, meskipun masih terdapat tantangan dalam mengenali kerusakan sedang. Model ini menunjukkan akurasi lebih dari 90%, dengan performa terbaik pada kerusakan berat yang mencapai 97.07%. Penelitian ini menyarankan pengembangan lebih lanjut dengan menambah variasi data latih untuk meningkatkan klasifikasi kerusakan sedang.]]>
Copyrights © 2025
