Show simple item record

dc.contributor.authorRIYADI, SLAMET
dc.contributor.authorPUTRA JNNR, SRI ATMAJA
dc.contributor.authorSETIAWAN, NOOR AKHMAD
dc.date.accessioned2016-09-14T07:14:30Z
dc.date.available2016-09-14T07:14:30Z
dc.date.issued2016
dc.identifier.urihttp://repository.umy.ac.id/handle/123456789/1873
dc.description.abstractPemeriksaan kondisi permukaan jalan dilakukan untuk mengetahui adanya retak atau tidak, mengklasifikasi jenis retak dan mengkuantifikasi retak tersebut. Secara konvensional, pemeriksaan dilakukan secara manual dimana petugas survei berjalan sambil memeriksa keberadaan retak dan mencatat serta menandai lokasi tersebut. Cara ini kurang efektif karena memerlukan waktu lama, tenaga kerja banyak, kurang tepat akibat subjektivitas dan faktor kelelahan serta berbahaya apabila pemeriksaan dilakukan pada jalan raya dengan kepadatan tinggi. Untuk mengatasi hal tersebut, peneliti memanfaatkan kemajuan teknologi kamera dan komputer untuk merekam kondisi permukaan jalan dan mengolah citra digital yang diperoleh dalam rangka mendeteksi keberadaan retak, mengklasifikasi dan mengkuantifikasinya. Metode pengolahan citra yang telah dibuat oleh para peneliti belum bisa direalisasikan dalam produk komersial karena belum memberikan hasil pemeriksaan yang optimal pada berbagai kondisi jalan, sensitif terhadap cahaya sekitar dan waktu komputasi lama. Penelitian tahun kedua ini melanjutkan penelitian tahun pertama, yaitu bertujuan untuk mengklasifikasi citra retak dan tidak retak menggunakan pendekatan kecerdasan buatan dengan metode support vector machine (SVM). Penelitian dilaksanakan dalam beberapa tahapan utama yaitu 1) pengumpulan data video retak permukaan jalan raya, 2) klasifikasi retak secara manual oleh pakar, 3) pra-pengolahan citra dan pengekstrakan sifat retak (sum of histogram, black white area, sum histogram of oriented gradient), dan 4) klasifikasi retak menggunakan teknik SVM. Penelitian telah berhasil menerapkan metode SVM untuk mengklasifikasi citra retak dan tidak retak. Dengan menggunakan teknik 6-fold cross validation, metode SVM telah diuji pada 120 citra dan menghasilkan akurasi klasifikasi retak 91,67%. Akurasi terbaik diperoleh pada model masukan SVM gabungan dari ketiga ciri yang diekstrak. Luaran yang dicapai adalah satu artikel seminar nasional dan satu seminar internasional (keduanya telah disubmit dan sedang direview), serta draft artikel jurnal. internasional bereputasi.en_US
dc.description.sponsorshipDirektorat Riset dan Pengabdian Masyarakat, Kemenristekdiktien_US
dc.language.isootheren_US
dc.subjectretak jalan raya, pengolahan citra, multiskala, kecerdasan buatan, SVMen_US
dc.titleDeteksi dan Kuantifikasi Retak Permukaan Jalan Raya Menggunakan Metode Pengolahan Citra dengan Pendekatan Multiskala dan Kecerdasan Buatan (Tahun 2)en_US
dc.typeTechnical Reporten_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

  • JURNAL
    Berisi tulisan dosen dalam yang telah dimuat dalam jurnal nasional maupun internasional yang tidak diterbitkan oleh UMY. Diharapkan menambahkan link dari jurnal yang asli dalam diskripsinya.maupun internasional

Show simple item record