STMIKPROFESIONALSTMIKPROFESIONAL

Jurnal Informatika ProgresJurnal Informatika Progres

Peningkatan kualitas infrastruktur jalan merupakan aspek penting dalam pembangunan dan keselamatan pengguna jalan. Permukaan jalan memiliki peran krusial dalam mendukung kelancaran mobilitas serta aktivitas masyarakat sehari-hari. Kondisi permukaan jalan yang baik dapat memperpanjang umur pakai jalan tersebut dan mengurangi risiko kecelakaan. Oleh karena itu, pemantauan dan klasifikasi kondisi permukaan jalan secara berkala sangat penting untuk memastikan kualitas jalan tetap terjaga. Penelitian ini bertujuan untuk membandingkan algoritma KNN dan CNN dalam klasifikasi kondisi permukaan jalan. Diharapkan metode ini dapat berfungsi sebagai dasar pengembangan sistem pemantauan kondisi jalan yang menggunakan pembelajaran mesin yang lebih efisien.

Eksperimen ini menunjukkan bahwa Convolutional Neural Network (CNN) memiliki akurasi sebesar 93,8%, sedangkan K-Nearest Neighbors (KNN) memiliki akurasi sebesar 57,8%.CNN menunjukkan prediksi yang lebih akurat pada semua kelas terutama pada kondisi retak dengan lebih sedikit kesalahan klasifikasi dibandingkan KNN.Prediksi CNN konsisten mengenali pola visual kompleks, sementara KNN cenderung menghasilkan kesalahan klasifikasi tinggi terutama pada kelas retak dan berlubang.Hasil ini menegaskan bahwa CNN lebih unggul untuk klasifikasi kondisi permukaan jalan karena kemampuannya dalam ekstraksi fitur otomatis, meskipun membutuhkan waktu pelatihan yang lebih lama.Sebaliknya, KNN lebih sederhana namun kurang efektif dalam menangani pola yang kompleks.

Untuk penelitian lanjutan, dapat dipertimbangkan pengembangan model hybrid yang menggabungkan arsitektur CNN untuk meningkatkan efisiensi model. Selain itu, augmentasi data dapat diterapkan untuk meningkatkan variasi data dan keandalan model. Pendekatan lain yang dapat dieksplorasi adalah mengombinasikan CNN untuk ekstraksi fitur dengan model KNN atau SVM sebagai pengklasifikasi. Evaluasi pada data jalan yang lebih beragam juga diperlukan untuk memastikan generalisasi model di kondisi nyata. Dengan pengembangan ini, sistem klasifikasi kondisi permukaan jalan dapat menjadi lebih akurat dan efektif untuk diterapkan dalam sistem pemantauan jalan otomatis.

Read online
File size919.13 KB
Pages11
DMCAReport

Related /

ads-block-test