PENGEMBANGAN SISTEM UNTUK PENILAIAN TINGKAT KERUSAKAN JALAN ASPAL BERBASIS MASK R-CNN PADA BINA MARGA KOTA DENPASAR

Nanda, I Gede Krisna Astika (2025) PENGEMBANGAN SISTEM UNTUK PENILAIAN TINGKAT KERUSAKAN JALAN ASPAL BERBASIS MASK R-CNN PADA BINA MARGA KOTA DENPASAR. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full Text) RAMA_58302_2115354064_full.pdf - Accepted Version Restricted to Repository staff only Download (9MB) | Request a copy
	Text (iThenticate) RAMA_58302_2115354064_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text (Cover, Bab 1, Bab 5 dan Referensi) RAMA_58302_2115354064_197602202006041001_199108312022031007.pdf - Accepted Version Available under License Creative Commons Attribution Share Alike. Download (382kB)

Abstract

Bina Marga PUPR Denpasar memiliki tanggung jawab untuk memelihara dan meningkatkan kualitas jalan di wilayah Denpasar. Salah satu tantangan utama adalah penilaian tingkat kerusakan jalan yang selama ini masih dilakukan secara manual, sehingga memerlukan waktu yang cukup lama dan cenderung subjektif. Penelitian ini bertujuan untuk mengembangkan sistem otomatis berbasis deep learning dengan algoritma Mask R-CNN guna mendeteksi dan menilai tingkat kerusakan jalan aspal secara efisien. Sistem dikembangkan menggunakan model Waterfall, mencakup tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Backend sistem dibangun menggunakan framework Flask sebagai API untuk proses inferensi dan pengelolaan data, sekaligus sebagai platform web admin. Sementara itu, React Native digunakan untuk membangun aplikasi mobile yang memungkinkan petugas lapangan mengirimkan data citra kerusakan jalan secara langsung ke server. Hasil deteksi kemudian ditampilkan pada aplikasi mobile dan dashboard admin dalam bentuk data visual dan rekapitulasi. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi jenis kerusakan seperti lubang dan retakan, namun akurasinya masih perlu ditingkatkan. Nilai mAP yang diperoleh mencapai 11.375%, yang menunjukkan adanya peningkatan dibandingkan model awal dengan mAP sebesar 2.6%. Hal ini disebabkan oleh keterbatasan jumlah dan kualitas dataset serta jumlah iterasi pelatihan yang masih rendah. Penambahan dataset yang lebih representatif serta pelatihan dengan konfigurasi yang lebih baik menggunakan hardware yang lebih mumpuni terbukti dapat meningkatkan performa model, terutama dalam mengklasifikasikan jenis kerusakan minor seperti retak melintang dan amblas. Berdasarkan hasil perancangan, implementasi, dan pengujian sistem, dapat disimpulkan bahwa sistem berhasil dibangun secara terintegrasi dengan tiga komponen utama, yakni aplikasi mobile untuk teknisi lapangan, RESTful API sebagai penghubung, serta website admin. Seluruh komponen telah diuji menggunakan metode blackbox dan berfungsi sesuai perancangan. Sistem ini mampu meningkatkan efisiensi proses penilaian kerusakan jalan dengan mempermudah teknisi dalam pengumpulan data dan memungkinkan admin untuk memantau hasil deteksi secara real-time melalui dashboard web.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Mask R-CNN, Kerusakan Jalan, Bina Marga, CNN
Subjects:	Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Komputer Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Informatika Ilmu Teknik > Teknik Elektro Dan Informatika > Teknologi Informasi Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Perangkat Lunak
Divisions:	Jurusan Teknologi Informasi > Prodi D4 Teknologi Rekayasa Perangkat Lunak > Skripsi
Depositing User:	I Gede Krisna Astika Nanda
Date Deposited:	19 Aug 2025 01:19
Last Modified:	19 Aug 2025 01:19
URI:	https://repository.pnb.ac.id/id/eprint/16145

Actions (login required)

View Item