Sistem Deteksi Retakan Jembatan Berbasis Computer Vision dengan Model Mask R-CNN

Nandika, I Kadek Bagus Rio (2025) Sistem Deteksi Retakan Jembatan Berbasis Computer Vision dengan Model Mask R-CNN. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full Text) RAMA_58302_2115354039_full.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text (Cover, Bab 1, Bab 5 dan Referensi) RAMA_58302_2115354039_0020027603_0817128601_part.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (437kB)
	Text (iThenticate) RAMA_58302_2115354039_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Jembatan merupakan infrastruktur vital yang memerlukan pemeliharaan berkala untuk menjamin keselamatan pengguna. Salah satu kerusakan yang umum terjadi adalah keretakan pada gelagar beton, yang jika tidak terdeteksi sejak dini dapat menurunkan kekuatan struktur. Inspeksi visual manual memiliki keterbatasan pada akurasi dan konsistensi, terutama untuk keretakan dengan lebar <0,5 mm. Penelitian ini mengusulkan pengembangan sistem deteksi retakan jembatan berbasis computer vision menggunakan arsitektur Mask R-CNN dengan backbone ResNet-101, yang diimplementasikan melalui framework Detectron2 dan diintegrasikan ke dalam aplikasi web berbasis Flask. Dataset citra keretakan gelagar beton diperoleh dari sumber terbuka dan dianotasi secara manual sesuai format COCO. Proses pelatihan melibatkan augmentasi data untuk meningkatkan kemampuan generalisasi model. Sistem diuji melalui Black Box Testing untuk memverifikasi fungsionalitas, serta evaluasi kinerja model menggunakan confusion matrix dan metrik AP. Hasil pengujian menunjukkan model mencapai akurasi 72,9%, recall 62,2%, precision 48,5%, dan F1-score 54,5%, dengan nilai specificity 76,7%. Meskipun masih ditemukan false positive pada tekstur beton yang menyerupai keretakan, sistem ini mampu mengidentifikasi keberadaan keretakan. Implementasi ini diharapkan dapat meningkatkan efisiensi inspeksi jembatan serta mengurangi ketergantungan pada pemeriksaan manual. Selain itu, penelitian ini juga dapat menjadi referensi bagi pengembangan sistem deteksi kerusakan infrastruktur lain yang memanfaatkan computer vision dan deep learning, sehingga hasilnya tidak hanya relevan untuk inspeksi jembatan, tetapi juga berpotensi diterapkan pada bangunan sipil lain yang rentan terhadap kerusakan struktural.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Deteksi Retakan Jembatan, Computer Vision, Mask R-CNN
Subjects:	Matematika Dan Ilmu Pengetahuan Alam (MIPA) > Matematika > Ilmu Komputer Ilmu Teknik > Teknik Sipil Dan Perencanaan Tata Ruang Ilmu Teknik > Teknik Elektro Dan Informatika Ilmu Teknik > Teknik Elektro Dan Informatika > Teknik Perangkat Lunak
Divisions:	Jurusan Teknologi Informasi > Prodi D4 Teknologi Rekayasa Perangkat Lunak > Skripsi
Depositing User:	I Kadek Bagus Rio Nandika
Date Deposited:	02 Sep 2025 04:55
Last Modified:	02 Sep 2025 04:55
URI:	https://repository.pnb.ac.id/id/eprint/18686

Actions (login required)

View Item