ARISANO, Jody Reinhard (2022) Klasifikasi Keretakan Beton dengan Metode Convolutional Neural Network (CNN) dan Support Vector Machine (SVM). Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Jody Reinhard Arisano-H1A017057-Skripsi-2022.pdf Download (319kB)
	PDF (Legalitas) LEGALITAS-Jody Reinhard Arisano-H1A017057-Skripsi-2022.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Jody Reinhard Arisano-H1A017057-Skripsi-2022.pdf Download (428kB)
	PDF (BabI) BAB-I-Jody Reinhard Arisano-H1A017057-Skripsi-2022.pdf Restricted to Repository staff only Download (349kB)
	PDF (BabII) BAB-II-Jody Reinhard Arisano-H1A017057-Skripsi-2022.pdf Restricted to Repository staff only Download (502kB)
	PDF (BabIII) BAB-III-Jody Reinhard Arisano-H1A017057-Skripsi-2022.pdf Restricted to Repository staff only Download (395kB)
	PDF (BabIV) BAB-IV-Jody Reinhard Arisano-H1A017057-Skripsi-2022.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Jody Reinhard Arisano-H1A017057-Skripsi-2022.pdf Restricted to Repository staff only Download (230kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Jody Reinhard Arisano-H1A017057-Skripsi-2022.pdf Download (246kB)
	PDF (Lampiran) LAMPIRAN-Jody Reinhard Arisano-H1A017057-Skripsi-2022.pdf Restricted to Repository staff only Download (323kB)

Abstract

Saat ini, telah banyak gedung bertingkat serta jembatan di penjuru dunia yang menggunakan beton. Beton merupakan bahan yang mudah dibentuk, tahan temperatur tinggi dan memiliki kekuatan tinggi tetapi kuat tariknya rendah sehingga mudah retak. Penyebab retak pada beton dapat diakibatkan oleh pembebanan dan bisa juga karena penyusutan dari perbedaan temperatur yang tinggi atau karena proses kimia antara semen dan agregat pada waktu pengerjaan. Keretakan beton tentu dapat menimbulkan masalah yang cukup serius dan dapat menimbulkan korban jiwa jika terus diabaikan. Dalam pendeteksian retakan, Convolutional Neural Network (CNN), diterapkan untuk mengekstrak fitur yang dioptimalkan secara otomatis untuk Support Vector Machine (SVM) untuk mengklasifikasikan, yang menunjukkan hasil pengenalan yang lebih baik. Sistem dibangun dengan arsitektur CNN Alexnet, Resnet50, dan Googlenet untuk mendapatkan data ekstraksi fitur dari layer fully connected. Data ekstraksi fitur kemudian dilatih dengan algoritma optimized SVM untuk mendapatkan nilai parameter terbaik pada model SVM tersebut. Keretakan beton diklasifikasikan kedalam 3 kelas yaitu tidak retak, retak kecil dan retak besar. Hasil pelatihan dan pengujian pada sistem dengan ekstraksi fitur dari model CNN arsitektur Alexnet dan optimizes SVM mendapatkan nilai akurasi 95,1% dan 97,94%, lalu ekstraksi fitur dari Resnet50 yaitu sebesar 96% dan 98,87%, dan pada ekstraksi fitur dari Googlenet yaitu sebesar 94,4% dan 94,51%. Dari data tersebut dapat disimpulkan bahwa sistem dengan ekstraksi fitur menggunakan arsitektur CNN Resnet50 dan optimized SVM dapat digunakan dengan baik dan siap untuk diimplementasikan kedalam bentuk tampilan antarmuka GUI (Graphical User Interface).

Actions (login required)

View Item