KLASIFIKASI TINGKAT RETAKAN PADA BANGUNAN BERBASIS CITRA MENGGUNAKAN METODE CONVOLUTION NEURAL NETWORK
| Main Author: | Dwitama, Aditya Perwira Joan |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://eprints.unram.ac.id/14700/1/Klasifikasi%20Retakan%20Pada%20Bangunan%20Berbasis%20Citra%20Menggunakan%20Metode%20Convolution%20Neural%20Network.pdf http://eprints.unram.ac.id/14700/ |
Daftar Isi:
- 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%.