Deteksi Jalan Berlubang Menggunakan Metode Grey Level Co-Occurrence Matrix dan Neural Network
Authors (s)
(1) * Muhammad Mahrus Ali   (Universitas Merdeka Pasuruan)  
        Indonesia
(*) Corresponding Author
AbstractFaktor utama yang menjadi penentu kelayakan kondisi suatu jalan yaitu kerusakan pada aspal sehingga pemeliharaan jalan perlu dilakukan secara berkala. Pemeriksaan kondisi jalan dilakukan oleh petugas survey dengan melakukan pengamatan langsung pada jalan yang akan diberikan penilaian secara manual. Aktifitas pemeriksaan dapat mengganggu kelancaran arus lalu lintas pada jalan yang padat kendaraan terlebih lagi dapat membahayakan keselamatan petugas survey. Diperlukan alternative pemeriksaan jalan untuk menghindari ancaman yang tidak diinginkan dan dapat membiat biaya lebih efektif. Pada penelitian ini dikembangkan suatu system deteksi jalan berlubang menggunakan data video, dengan menerapkan metode Gray Level Co-occurrence Matrix (GLCM) dan klasifikasi menggunakan Neural Network. Deteksi terdiri atas 2 tahapan, dimulai dengan mengekstraksi ciri citra jalan kemudian ditraining dengan pemberian label manual. Kemudian dilakukan uji data citra berdasarkan nilai pada data training. Dari pengujian Confusion Matrix menunjukkan hasil Recall sebesar 0,80 hasil Precission sebesar 0,06 hasil Accuracy sebesar 0,79 dan hasil Error Rate sebesar 0,20.
|
Keywords
Lubang jalan; Deteksi citra; GLCM; NN;
Full Text: Download PDF
Article View
Abstract views : 243 times | Download PDF files viewed : 269 times10.33650/coreai.v3i1.4088 |
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 muhammad Mahrus mahrus ali
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi
Published by Technic Faculty of Nurul Jadid University, Probolinggo, East Java, Indonesia.