PENILAIAN OTOMATIS BERDASARKAN TINGKAT MUTU DESAIN FASAD DEPAN BANGUNAN DENGAN CONVOLUTIONAL NEURAL NETWORK (CNN) (STUDI KASUS : PRODI ARSITEKTUR ITERA)
Perguruan tinggi di Indonesia memainkan peran penting dalam memenuhi kebutuhan pembangunan nasional. Sebagian besar sistem pendidikan yang ada, menekankan pada tes berbasis penilaian seperti ujian dan tugas untuk mengevaluasi mahasiswa. Dalam bidang arsitektur, pengujian kemampuan mahasiswa dalam menggambar menjadi penting dalam memastikan kualitas lulusan. Namun hal tersebut memiliki tantangan sendiri, dengan dibutuhkannya tenaga ahli dan sistem otomatis. Di sisi lain, revisi dan feedback harus cepat dilakukan, agar mahasiswa mampu memperbaiki karyanya. Masalah terjadi ketika terdapat banyak karya yang harus dinilai terlebih dahulu. Masalah serupa terjadi di Program Studi Arsitektur ITERA pada mata kuliah Seni Dalam Arsitektur yang menjadikan desain fasad depan salah satu aspek penilaian penting. Dengan jumlah mahasiswa yang terus meningkat dan tenaga pengajar yang terbatas membuat efisiensi penilaian berkurang. Sehingga diperlukan sebuah cara untuk melakukan penilaian otomatis dengan memanfaatkan computer vision dan machine learning. Pada penelitian ini dibuat sebuah model CNN (Convolutional Nueral Network) untuk melakukan penilaian otomatis terhadap desain fasad depan bangunan. Model CNN dibangun untuk dapat melakukan penilaian otomatis berdasarkan 5 mutu nilai yakni A, AB, B, BC, dan E. Model yang dibangun pada eksperimen ke-4 (E4) dengan menggunakan arsitektur model E2-CL2 dan dataset sebanyak 47466, berhasil mencapai akurasi tertinggi secara keseluruhan dalam tahap pengujian, sebesar 99.89%. Dengan rata-rata nilai precision serta recall masing-masing sebesar 99.87
URI
https://repo.itera.ac.id/depan/submission/SB2305020003
Keyword