<![CDATA[Kerusakan jembatan menjadi isu kritis dalam sistem transportasi karena berdampak langsung pada keselamatan dan keberlanjutan infrastruktur. Penelitian ini bertujuan mengembangkan sistem deteksi dini kerusakan jembatan berbasis deep learning multimodal yang mengintegrasikan data citra dan sinyal getaran dalam satu arsitektur terpadu. Pendekatan ini mengatasi keterbatasan metode single modality dalam Structural Health Monitoring, baik berbasis inspeksi visual maupun analisis getaran. Metode yang digunakan adalah kuantitatif eksperimental dengan pengolahan data citra kerusakan dan sinyal getaran yang ditransformasikan ke domain time-frequency. Model dirancang menggunakan arsitektur dua cabang untuk mengekstraksi fitur dari masing-masing modalitas, kemudian digabungkan melalui feature fusion dan attention layer guna meningkatkan akurasi klasifikasi. Hasil menunjukkan bahwa integrasi multimodal meningkatkan performa deteksi dibandingkan pendekatan tunggal. Model mampu mengenali kerusakan permukaan dan karakteristik dinamis struktur secara simultan, serta lebih stabil terhadap noise dan variasi data. Sistem ini juga berpotensi diterapkan secara real-time untuk mendukung pemeliharaan jembatan berbasis data. Penelitian ini berkontribusi pada pengembangan Structural Health Monitoring modern yang lebih adaptif, akurat, dan komprehensif melalui integrasi kecerdasan buatan dan sensor multimodal.]]>
Copyrights © 2026
