| dc.description.abstract | Kerusakan jalan di Kabupaten Klaten menjadi permasalahan yang memerlukan
perhatian serius karena berdampak langsung terhadap mobilitas dan keselamatan
masyarakat. Berdasarkan data yang tersedia, kondisi jalan di wilayah ini bervariasi,
mulai dari kerusakan ringan hingga berat, sementara beberapa ruas jalan masih
dalam kondisi baik. Jenis kerusakan yang umum ditemukan antara lain retak buaya
(Alligator Crack), bergelombang (Corrugation), dan berlubang (Pothole), yang
dapat menghambat kelancaran aktivitas serta mengancam keselamatan pengguna
jalan. Penelitian ini bertujuan untuk mengklasifikasikan jenis kerusakan jalan
menggunakan metode Convolutional Neural Network (CNN) dengan tiga arsitektur
berbeda, yaitu VGGNet-16, ResNet101V2, dan InceptionV3. Metode CNN dipilih
karena memiliki kemampuan mendeteksi kerusakan secara otomatis dan efisien.
Data yang digunakan terdiri atas 600 citra digital (masing-masing 200 citra untuk
setiap kelas) yang diperoleh melalui observasi langsung di Kabupaten Klaten serta
digabungkan dengan sumber data lain. Penelitian ini dilaksanakan di Kabupaten
Klaten, Jawa Tengah, pada 28 Oktober 2024. Tahapan penelitian meliputi pre-
processing data, seperti image enhancement, resize dan cropping, image
augmentation, serta pembagian data sebelum dilakukan pelatihan model. Hasil
penelitian menunjukkan bahwa arsitektur ResNet101V2 memiliki kinerja terbaik
dengan nilai akurasi, precision, recall, dan F1-score sebesar 97% pada data
pengujian. Hasil klasifikasi tersebut kemudian diimplementasikan dalam aplikasi
berbasis web menggunakan FlaskApp untuk pemantauan kondisi jalan secara real-
time. Diharapkan sistem ini dapat membantu Dinas Pekerjaan Umum dan Penataan
Ruang (DPUPR) Kabupaten Klaten dalam menentukan prioritas perbaikan jalan
secara lebih efektif dan efisien. | en_US |
