KLASIFIKASI KERUSAKAN JALAN MENGGUNAKAN SEGMENTASI ACTIVE CONTOUR MODEL DAN MULTI EKSTRAKSI FITUR DENGAN KLASIFIKASI SUPPORT VECTOR MACHINE

Daniel Hansel Christiawan, . (2025) KLASIFIKASI KERUSAKAN JALAN MENGGUNAKAN SEGMENTASI ACTIVE CONTOUR MODEL DAN MULTI EKSTRAKSI FITUR DENGAN KLASIFIKASI SUPPORT VECTOR MACHINE. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text 1_Cover_123210063_Daniel Hansel Christiawan.pdf Download (164kB)
	Text 2_Abstrak_123210063_Daniel Hansel Christiawan.pdf Download (166kB)
	Text 3_Halaman Pengesahan_123210063_Daniel Hansel Christiawan.pdf Download (331kB)
	Text 4_Daftar Isi_123210063_Daniel Hansel Christiawan.pdf Download (184kB)
	Text 5_Daftar Pustaka_123210063_Daniel Hansel Christiawan.pdf Download (163kB)
	Text 6_Fulltext_123210063_Daniel Hansel Christiawan.pdf Restricted to Repository staff only Download (2MB)

Abstract

Kerusakan jalan menjadi permasalahan kompleks yang merugikan dan membahayakan pengguna jalan, terutama karena proses pencatatan dan perbaikannya masih dilakukan secara manual. Hal ini mendorong urgensi pengembangan sistem pendeteksi kerusakan jalan secara otomatis menggunakan teknologi computer vision dan machine learning. Penelitian sebelumnya telah menunjukkan potensi dari metode seperti Active Contour Model (ACM) dan Support Vector Machine (SVM), namun sering kali terbatas pada klasifikasi biner atau hanya berfokus pada jenis kerusakan tertentu. Oleh karena itu, penelitian ini mengusulkan pendekatan hibrida untuk klasifikasi kerusakan jalan secara multikelas guna meningkatkan efisiensi dan akurasi dibandingkan metode konvensional.
Metode yang diusulkan dalam penelitian ini melibatkan serangkaian tahapan yang komprehensif. Dimulai dengan prapemrosesan data citra untuk standardisasi, diikuti dengan segmentasi area kerusakan menggunakan Active Contour Model (ACM) berbasis Level Set. Dari area yang tersegmentasi, dilakukan ekstraksi fitur multi-aspek yang meliputi area, tekstur (GLCM), bentuk, dan tepi. Fitur-fitur ini kemudian digunakan sebagai masukan untuk model klasifikasi Support Vector Machine (SVM). Untuk menemukan konfigurasi terbaik, dilakukan Grid Search untuk mengoptimalkan kombinasi fitur dan Hyperparameter model, yang memastikan model bekerja secara efisien dan akurat.
Hasil pengujian menunjukkan bahwa sistem yang dibangun berhasil mencapai akurasi keseluruhan sebesar 91%. Kinerja terbaik dicapai pada kombinasi fitur yang mencakup area, tekstur (homogeneity dan energy), dan bentuk (eccentricity dan solidity). Hal ini membuktikan bahwa pendekatan yang menggabungkan segmentasi, ekstraksi fitur multi-aspek, dan klasifikasi SVM merupakan metode yang efektif dan andal untuk mendeteksi serta mengklasifikasikan kerusakan jalan secara otomatis. Kesalahan prediksi yang terjadi umumnya disebabkan oleh kemiripan visual antara kelas retak dan tidak rusak, namun secara keseluruhan model menunjukkan performa yang sangat baik, terutama pada kelas "lubang" dengan presisi dan recall 100%.
Kata Kunci: Kerusakan Jalan, klasifikasi citra, Active Contour Model, Ekstraksi Fitur, Support Vector Machine

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Daniel Hansel Christiawan (Penulis - 123210063) Bambang Yuwono (Pembimbing)
Uncontrolled Keywords:	Kerusakan Jalan, klasifikasi citra, Active Contour Model, Ekstraksi Fitur, Support Vector Machine
Subjek:	T Technology > TD Environmental technology. Sanitary engineering T Technology > TE Highway engineering. Roads and pavements T Technology > TF Railroad engineering and operation T Technology > TG Bridge engineering
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	15 Oct 2025 04:25
Last Modified:	15 Oct 2025 04:25
URI:	http://eprints.upnyk.ac.id/id/eprint/44411

Actions (login required)

View Item