KLASIFIKASI KUALITAS PERMUKAAN JALAN RAYA MENGGUNAKAN METODE CNN BERBASIS ARSITEKTUR XCEPTION

Abstract

Jalan raya merupakan prasarana utama untuk transportasi darat, semakin baik kondisi suatu jalan raya semakin baik pula kecepatan dan keselamatan pengendara yang melintas. Oleh karena hal tersebut pengawasan dan perawatan kondisi permukaan jalan sangat penting dilakukan. Pengecekan kualitas jalan raya umumnya dilakukan secara manual, cara ini memakan waktu dan tenaga yang cukup besar. Oleh karena itu, dikembangkan sistem "Klasifikasi Kualitas Perukaan Jalan Raya Menggunakan Metode CNN Berbasi Aristektur Xception” sebagai salah satu alternatif untuk melakukan pengecekan kualitias permukaan jalan raya. Metode ini menggunakan deep learning CNN dengan arsitektur transfer learning Xception, pemilihan Xception dipilih karena mempunyai arsitektur yang kompleks namun efisien dalam penggunaan waktunya dan memiliki akurasi yang tinggi untuk melakukan klasifikasi gambar, menghasilkan model akurat dengan waktu pelatihan singkat. Model dibuat menggunakan dataset dengan pembagian 4 kelas berdasarkan pada tingkat kerusakan yang rilis oleh Kementrian PUPR. Hasil pengujian tertinggi menunjukkan akurasi model 90,11% dan 90% untuk pengujian.