Rancang Bangun Pendeteksi Lubang pada Jalan Menggunakan Gray Level C0-Occurent Matrix (GLCM) dan Neural Network (NN)

Syauqi, Albiyan Wanda (2019) Rancang Bangun Pendeteksi Lubang pada Jalan Menggunakan Gray Level C0-Occurent Matrix (GLCM) dan Neural Network (NN). Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0915040037 - Albiyan Wanda Syauqi - Rancang Bangun Pendeteksi Lubang Pada Jalan Menggunakan _i_Gray Level Co-occurent Matrix__i_ (GLCM) dan _i_Neural Network__i_ (NN).pdf Restricted to Repository staff only Download (2MB)

Abstract

Jalan merupakan prasarana transportasi darat yang meliputi segala bagian jalan. Jalan dengan kondisi buruk akan mengganggu kegiatan pencapaian ke suatu tempat tujuan. Menurut data Kementrian Pekerjaan Umum dan Perumahan Rakyat mencatat bahwa jalan nasional dalam keadaan rusak ringan sebesar 6,25% dan dalam keadaan rusak berat sebesar 4,37%. Keadaan tersebut juga meliputi kerusakan permukaan jalan berupa lubang. Untuk mengatasi hal tersebut maka pada Tugas Akhir ini dibuatlah pendeteksi pendeteksi lubang pada jalan menggunakan Gray Level Co-occurance Matrix (GLCM) dan Neural Network (NN). Alat tersebut mendeteksi lubang pada bagian permukaan jalan menggunakan kamera dengan berjalan sepanjang jalan yang diperiksa. Kamera digunakan sebagai pengganti mata untuk mendeteksi kerusakan permukaan jalan. Metode yang digunakan untuk mendeteksi lubang adalah Gray Level Co-occurance Matrix (GLCM). Metode GLCM menghasilkan beberapa fitur yaitu entrophy, contras, energy, homogeneity, dan correlation yang kemudian akan diolah dengan menggunakan Neural Network (NN) untuk menghasilkan keputusan apakah terdapat lubang atau tidak. Selain itu untuk mengetahui dimana letak kerusakan tersebut dilengkapi dengan GPS. Hasil dari ekstraksi fitur citra menggunakan Gray level Co-occurrence Matrix dan klasifikasi jalan menggunakan Neural Network dapat digunakan dalam proses pendeteksian lubang. Pengujian dilakukan menggunakan prototype mobil yang dimonitoring melalui GUI Matlab. Persentase keberhasilan pendeteksi lubang sebesar 86,6% dengan menggunakan 10 hidden neuron pada PWM motor DC 85. Ketika terdeteksi adanya lubang alat tersebut berhasil mengambil gambar, kemudian mengirim koordinat lubang kepada server.

Actions (login required)

View Item