DETEKSI DAN KLASIFIKASI KERUSAKAN BETON PADA BANGUNAN MENGGUNAKAN METODE GRADIENT VECTOR FLOW DAN MACHINE LEARNING

BANGUNAN MERUPAKAN STRUKTUR BUATAN MANUSIA YANG TERDIRI DARI DINDING DAN ATAP YANG DIDIRIKAN SECARA PERMANEN DI SUATU TEMPAT. BANGUNAN BIASANYA JUGA DIKONOTASIKAN SEPERTI RUMAH ATAU GEDUNG DAN SEGALA SARANA PRASARANANYA. KERUSAKAN BANGUNAN SELAIN DARI UMUR RENCANA PAKAINYA YANG DAPAT MEMBUAT BANGUNAN MENJADI RAPUH DAN MUDAH ROBOH, GEMPA BUMI DAN TSUNAMI JUGA TERMASUK BAGIAN DARI RUSAKNYA SUATU BANGUNAN. UNTUK MENCEGAH RUSAKNYA SUATU BANGUNAN DIPERLUKAN PENDETEKSIAN PADA BANGUNAN TERSEBUT DENGAN MENGGUNAKAN IMAGE PROCESSING SEBAGAI BENTUK PENGOLAHAN CITRA PADA KERUSAKAN BETON. PENELITIAN INI BERTUJUAN UNTUK MENDETEKSI STRUKTUR SEGMENTASI PADA CITRA KERUSAKAN BETON DENGAN MENGGUNAKAN METODE SEGMENTASI GRADIENT VECTOR FLOW (GVF), EKSTRASI MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DAN HU MOMENT, DAN MENGKLASIFIKASI CITRA DENGAN METODE SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBOR (KNN). DATA CITRA YANG DIGUNAKAN ADALAH KERUSAKAN BETON DENGAN MENGGUNAKAN 2 KELAS CITRA YAITU POSITIF (RETAK) DAN NEGATIF (TIDAK RETAK). EKSTRASI DENGAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) MEMILIKI HASIL AKURASI TERBAIK DIBANDINGKAN DENGAN METODE HU MOMENT YANG DAPAT DILIHAT PADA HASIL KLASIFIKASI DENGAN METODE SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR. PADA HU MOMENT MODEL FINE GAUSSIAN SVM, MEDIUM KNN, WEIGHTED KNN MENDAPATKAN HASIL AKURASI TRAINING 63,70