Pemanfaatan Teknologi Fotogrametri Dan Deep Learning Untuk Deteksi Kerusakan Jalan (Studi Kasus: Jalan Terusan Ryacudu, Lampung Selatan)
Pemanfaatan Teknologi Fotogrametri Dan Deep Learning Untuk Deteksi Kerusakan Jalan (Studi Kasus: Jalan Terusan Ryacudu, Lampung Selatan)
Bayu Maulana – 118230007
Muhammad Ulin Nuha,S.T.,M.Eng. Ilyas, S.si., M.T.
INTISARI
Perencanaan untuk umur jalan yang sudah direncanakan pada kenyataannya tidak sesuai dengan yang terdapat di lapangan, sehingga harus dilakukan pemeliharaan jalan untuk meminimalisir kerusakan yang ditemukan sebelum masa layanan selesai. Identifikasi kerusakan pada suatu jalan, agar dapat menentukan tindakan apa yang perlu dilakukan. Metode yang digunakan untuk mengidentifikasi kondisi kerusakan jalan dapat dilakukan secara manual dan otomatis. Dalam penerapannya metode manual ini sangat menyita waktu, tenaga, biaya, dan akurasi yang rendah untuk mengidentifikasi kerusakan sebuah jalan.
Pemanfaatan fotogrametri dan deep learning dapat digunakan untuk mendapatkan informasi semantik dari suatu objek yang ada pada citra maupun foto guna melakukan interpretasi dengan memanfaatkan algoritma YOLO untuk mengetahui seberapa banyak kerusakan jalan dan akurasinya. Proses ekstraksi jaringan menggunakan orthophoto dari hasil akuisisi. Pada penelitian ini dataset yang digunakan adalah data train dan data validasi. Data train digunakan untuk proses pembelajaran jaringan, apabila hasilnya baik maka model jaringan dapat digunakan untuk proses ekstraksi terhadap data tes. Uji Hasil ekstraksi dikelompokkan menjadi dua kelas yaitu kelas rusak dan kelas tidak rusak.
Hasil dari data tes akan dilakukan analisis dan evaluasi dengan membandingkan hasil klasifikasi dengan data yang sebenarnya. Hasil penelitian ini menunjukkan bahwa metode yang diterapkan berkinerja cukup baik dengan nilai presisi 67,5%, kelengkapan(recall) 73,1%, dan skor-F1 71%.
Evaluasi dari hasil ekstraksi menggunakan indeks IOU dan Interpretasi Visual. Hasil penelitian ini diperoleh akurasi keseluruhan 61,6%. Dengan didapatkan 24 buah area jalan rusak (lubang dan retak) pada interpretasi visual. Sehingga yang menunjukan bahwa pendekatan dengan fotogrametri dan deep learning dengan metode YOLO untuk citra resolusi tinggi sudah cukup baik dibandingkan proses deteksi dengan metode manual.
Kata Kunci: Kerusakan jalan, Fotogrametri, deep learning, YOLO, Orthofoto
URI
https://repo.itera.ac.id/depan/submission/SB2409250037
Keyword
Kata Kunci: Kerusakan jalan, Fotogrametri, deep le