DEDE MUHAMMAD MUAFIQ (2016) DETEKSI RETAK PERMUKAAN JALAN RAYA MENGGUNAKAN METODE KLASIFIKASI NON-LINEAR SUPPORT VECTOR MACHINE DENGAN MULTIPLE FEATURES. S1 thesis, Universitas Muhammadiyah Yogyakarta.
![[thumbnail of Cover]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Cover.pdf
Download (148kB)
![[thumbnail of Halaman Judul]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Halaman Judul.pdf
Download (508kB)
![[thumbnail of Lembar Pengesahan]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Lembar Pengesahan.pdf
Download (299kB)
![[thumbnail of Bab I]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab I.pdf
Download (122kB)
![[thumbnail of Bab II]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab II.pdf
Restricted to Registered users only
Download (915kB)
![[thumbnail of Bab III]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab III.pdf
Restricted to Registered users only
Download (366kB)
![[thumbnail of Bab IV]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab IV.pdf
Restricted to Registered users only
Download (949kB)
![[thumbnail of Bab V]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Bab V.pdf
Restricted to Registered users only
Download (116kB)
![[thumbnail of Daftar Pustaka]](https://etd.umy.ac.id/style/images/fileicons/text.png)
Daftar Pustaka.pdf
Download (226kB)
Abstract
Di Indonesia klasifikasi kondisi jalan raya belum banyak dilakukan, salah
satunya dikarenakan keterbatasan peralatan. Beberapa metode yang sering
digunakan adalah metode konvensional yaitu dengan melihat langsung secara kasat
mata kemudian mencatat atau mengambil citra secara manual pada beberapa ruas
jalan kemudian dianalisis. Dalam penelitian-penelitian terkait yang telah dilakukan
dengan menggunakan pengolahan citra, data diambil dengan mengambil citra
secara manual menggunakan kamera pada beberapa ruas jalan raya yang telah
ditentukan. Metode tersebut dinilai kurang optimal karena ekstraksi ciri terbatas
hanya dua jenis serta klasifikasi yang bersifat linear menyebabkan akurasi yang
rendah. Jenis klasifikasi yang populer saat ini adalah Ambang Batas Nilai, Linear
Discriminant Analysis, Neural Network dan Support Vector Machine. Dalam
penelitian ini digunakan Support Vector Machine karena dapat mengklasifikasi data
secara non-linear serta dapat menggunakan banyak ekstraksi ciri dalam jumlah
banyak sekaligus. Dengan metode klasifikasi Support Vector Machine
menggunakan kernel Radial Basisi Function, penerapan tiga ekstraksi ciri
sekaligus, dan penerapan constraint dengan nilai tak terhingga dapat memperoleh
akurasi deteksi hingga 100%.
Kata Kunci : Deteksi, Klasifikasi, Support Vector Machine, Akurasi
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | DETEKSI, KLASIFIKASI, SUPPORT VECTOR MACHINE, AKURASI |
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | Unnamed user with email robi@umy.ac.id |
Date Deposited: | 20 Jan 2022 03:15 |
Last Modified: | 20 Jan 2022 03:15 |
URI: | https://etd.umy.ac.id/id/eprint/26384 |