Text

Klasifikasi Keretakan pada Beton menggunakan Metode CNN dengan Arsitektur EfficientNetB0

---

Beton adalah salah satu komponen utama dalam pembuatan bangunan, jembatan serta jalan.
Seiring berjalannya waktu, kualitas beton dapat menurun hingga muncul beberapa
kerusakan, salah satunya adalah keretakan. Keretakan pada beton dapat memengaruhi
ketahanan serta keamanan pada bangunan, sehingga perlu dilakukan pendeteksian dini untuk
mencegah kerusakan lebih lanjut. Pendeteksian menggunakan tenaga manusia
membutuhkan waktu yang banyak, tenaga yang besar dan berpotensi menyebabkan bahaya
bagi pekerja, maka diperlukan tenaga alternatif untuk mendeteksi keretakan pada beton.
Salah satu tenaga alternatif yang dapat digunakan untuk mengatasi masalah ini adalah tenaga
komputer dengan menggunakan machine learning. Deep learning merupakan percabangan
machine learning yang mampu memahami dan memroses data secara lebih mendalam. Salah
satu cabang pengembangan deep learning yang dapat mengklasifikasi suatu citra dengan
baik adalah convolutional neural network (CNN). Penelitian ini menggunakan metode CNN
dengan arsitektur EfficientNetB0, yang mampu menghasilkan nilai akurasi tinggi dengan
jumlah parameter yang rendah. Dataset yang digunakan adalah Concrete Crack Images for
Classification berisikan total 40.000 data dengan kelas positif dan negatif, yang akan dibagi
menjadi 34.000 data pelatihan, 2.000 data validasi dan 4.000 data uji. Dalam penelitian ini
dijalankan 18 skenario pelatihan yang didapat dari kombinasi 3 hyperparameter, yaitu
learning rate, dropout dan fungsi aktivasi. Dari seluruh skenario yang dijalankan, kombinasi
learning rate 0,00001, nilai dropout 0,1 dan fungsi aktivasi sigmoid menghasilkan nilai
akurasi terbaik sebesar 99,9% pada data uji.
Kata kunci: Beton, CNN, Deep learning, EfficientNetB0, Keretakan

---

Ketersediaan

1262 F 2024

1262 F 2024

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1262 F 2024

Penerbit

: ., 2024

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar