Image of KLASIFIKASI TINGKAT RETAKAN PADA BANGUNAN BERBASIS CITRA MENGGUNAKAN METODE CONVOLUTION NEURAL NETWORK

Tugas Akhir Informatika

KLASIFIKASI TINGKAT RETAKAN PADA BANGUNAN BERBASIS CITRA MENGGUNAKAN METODE CONVOLUTION NEURAL NETWORK

Gempa bumi yang mengguncang pulau lombok pada tahun 2018 telah meninggalkan
dampak berupa kerusakan pada bangunan. Kerusakan tersebut kemudian dapat diklasifikasi
menjadi 3 kategori yaitu ringan, sedang, dan berat. Akan tetapi, untuk mengklasifikasi retakan
secara konvensional, dibutuhkan keterlibatan dari para ahli sehingga butuh waktu dan biaya
untuk mendatangkannya. Perkembangan dunia machine learning telah menemukan metode
baru untuk mengklasifikasikan gambar, yaitu Convolution Neural Network (CNN). CNN
bekerja dengan 2 lapisan utama, lapisan konvolusi, dan lapisan jaringan saraf. Dalam penelitian
ini, model pengenalan pola akan dicari untuk mengklasifikasikan retakan bangunan setelah
gempa Lombok menggunakan CNN. Model yang dihasilkan mampu melakukan klasifikasi
dataset gempa Lombok menjadi retakan ringan, sedang, dan berat dengan akurasi, presisi, dan
recall sebesar 93.80%, 93.49%, dan 93.94%.

Ketersediaan
2018124624.171.Adi.kTersedia
Informasi Detail
Judul Seri
-
No. Panggil
624.171.Adi.k
Penerbit
Universitas Mataram : Fakultas Teknik Unram.,
Deskripsi Fisik
xiv,40 Hlm,Illus, 21x29 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
624.171
Tipe Isi
other
Tipe Media
other
Tipe Pembawa
-
Edisi
Edisi 1 Jilid 1
Subjek
KLASIFIKASI TINGKAT RETAKAN PADA BANGUNAN
Retakan bangunan
Konvolusi, CNN, Citra
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar
Anda harus login sebelum memberikan komentar