Sistem Temu Kembali Citra Lubang Jalan Aspal Berdasarkan Tingkat Kerusakan Menggunakan Ekstraksi Fitur Gray Level Co-Occurrence Matrix

Mahardika, Anggita (2018) Sistem Temu Kembali Citra Lubang Jalan Aspal Berdasarkan Tingkat Kerusakan Menggunakan Ekstraksi Fitur Gray Level Co-Occurrence Matrix. Sarjana thesis, Universitas Brawijaya.

Abstract

Kerusakan jalan raya di Indonesia sudah menjadi permasalahan yang cukup serius. Bahkan, kondisi jalan nasional di Jawa Timur saja kerusakannya sudah melebihi 40% dari total panjang jalan nasional di Jawa Timur. Kerusakan perkerasan permukaan jalan terutama lubang jalan sering kali mengganggu transportasi darat, bahkan tidak sedikit pula yang mengalami kecelakaan akibat adanya lubang jalan. Namun, penanganan perbaikan jalan dinilai masih lamban sehingga mengakibatkan bertambah parahnya kondisi kerusakan jalan. Salah satu faktor lamanya proses perbaikan jalan yaitu disebabkan oleh proses pencatatan kondisi kerusakan jalan yang masih dilakukan secara manual oleh tenaga kerja manusia sepenuhnya. Proses pencatatan secara manual tersebut bisa memakan waktu dua minggu untuk jalan sepanjang 1 km, belum lagi tingkat keakuratan yang rendah. Seiring berkembangnya teknologi, banyak penelitian bermunculan terkait sistem deteksi kerusakan jalan menggunakan pengolahan citra digital. Pada penelitian ini dilakukan dengan tujuan untuk membangun sistem temu kembali citra lubang jalan aspal berdasarkan tingkat kerusakan. Proses diawali dengan melakukan pre-processing untuk mendapatkan area lubang jalan tersegmentasi dan membuang area yang bukan lubang jalan. Selanjutnya dilakukan ekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix (GLCM). Fitur yang digunakan dalam penelitian ini yaitu sebanyak 52 fitur yang berasal dari 13 fitur dengan sudut 0o, 45o, 90o dan 135o. Dari 52 fitur tersebut dilakukan seleksi fitur menggunakan metode Wrapper dan CFS. Pengujian yang dilakukan dalam penelitian ini yaitu pengujian terhadap nilai parameter bilateral filter yaitu diameter, σs dan σr, pengujian nilai parameter d pada GLCM, pengujian pengaruh seleksi fitur terhadap sistem temu kembali citra dan pengujian pengaruh waktu pengambilan citra. Hasil dari pengujian yang telah dilakukan yaitu didapatkan citra lubang jalan sebanyak 117 yang berhasil tersegmentasi dengan tepat pada diameter 101x101, σs= 75 dan σr=75. Penggunaan metode seleksi fitur Wrapper memberikan hasil rata-rata akurasi dan MAP yang lebih tinggi dibandingkan menggunakan metode seleksi fitur CFS maupun tidak menggunakan seleksi fitur. Akurasi dan MAP yang dihasilkan dari metode Wrapper dengan d=1 masing-masingnya yaitu sebesar 55.61% dan 0.710.

English Abstract

Damaged road in Indonesia has become a serious problem. In fact, the national road condition in East Java has already exceeded 40% of the total national road length in East Java. Road surface pavement damage, especially potholes often disrupt land transportation, not even a few who have accidents due to a hole. However, the handling of road improvements is considered slow, resulting in worsening road damage conditions. One of the factors of the road repair slow process that is caused by the process of recording the condition of road damage that is still manually by human labor completely. Where the manual recording process can take two weeks to walk along 1 km, not to mention the low level of accuracy. Along with the development of technology, many emerging research related to road damage detection system using digital image processing. This research was conducted with purpose to build retrieval system asphalt pavement image based on level of damage. The process begins with pre-processing to get segmented holes and discard areas that are not road holes. The texture feature extracted using Gray Level Co-occurrence Matrix (GLCM). Features used in this research are as many as 52 features derived from 13 features with angles 0o, 45o, 90o and 135o. Of the 52 features performed feature selection using Wrapper and CFS methods. Tests conducted in this study are testing of bilateral filter parameter values of diameter, os= 75 or=75, testing parameter values d in GLCM, testing the effect of feature selection on image retrieval system and testing the effect of image retrieval time. The result of the test that has been done is obtained 117 road hole image that successfully segmented properly on the diameter of 101x101, os= 75 and or=75. The use of Wrapper feature selection methods gives higher average accuracy and MAP results than using the CFS feature selection method or not using feature selection. Accuracy and MAP resulting from Wrapper method with d = 1 respectively that is equal to 55.61% and 0.710.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2018/169/051801156
Uncontrolled Keywords: Sistem Temu Kembali Citra, Gray Level Co-Occurrence Matrix, Bilateral Filtering, Deteksi Tepi Sobel, Otsu, Manhattan Distance, Wrapper, CFS, Lubang Jalan
Subjects: 000 Computer science, information and general works > 006 Special computer methods > 006.2 Special-purpose systems
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Yusuf Dwi N.
Date Deposited: 28 May 2018 02:21
Last Modified: 26 Oct 2021 09:02
URI: http://repository.ub.ac.id/id/eprint/11142
[thumbnail of BAGIAN DEPAN.pdf]
Preview
Text
BAGIAN DEPAN.pdf

Download (1MB) | Preview
[thumbnail of BAB VI.pdf]
Preview
Text
BAB VI.pdf

Download (970kB) | Preview
[thumbnail of DAFTAR PUSTAKA.pdf]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (495kB) | Preview
[thumbnail of BAB VII.pdf]
Preview
Text
BAB VII.pdf

Download (441kB) | Preview
[thumbnail of Lampiran.pdf]
Preview
Text
Lampiran.pdf

Download (5MB) | Preview
[thumbnail of BAB I.pdf]
Preview
Text
BAB I.pdf

Download (510kB) | Preview
[thumbnail of BAB III.pdf]
Preview
Text
BAB III.pdf

Download (491kB) | Preview
[thumbnail of BAB II.pdf]
Preview
Text
BAB II.pdf

Download (1MB) | Preview
[thumbnail of BAB IV.pdf]
Preview
Text
BAB IV.pdf

Download (2MB) | Preview
[thumbnail of BAB V.pdf]
Preview
Text
BAB V.pdf

Download (859kB) | Preview

Actions (login required)

View Item View Item