AGIL PRIAMBADA (2024) SISTEM KLASIFIKASI LEVEL RETAKAN BETON MENGGUNAKAN HISTOGRAM OF ORIENTED GRADIENTS (HOG) BERBASIS NEURAL NETWORK. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (965kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (493kB)
Abstrak.pdf
Restricted to Registered users only
Download (10kB)
Bab I.pdf
Download (160kB)
Bab II.pdf
Restricted to Registered users only
Download (637kB)
Bab III.pdf
Restricted to Registered users only
Download (1MB)
Bab IV.pdf
Restricted to Registered users only
Download (29MB)
Bab V.pdf
Restricted to Registered users only
Download (71kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (92kB)
Lampiran.pdf
Restricted to Registered users only
Download (442kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (507kB)
Full Text.pdf
Restricted to Repository staff only
Download (2MB)
Abstract
Pemeriksaan dan klasifikasi kerusakan beton masih dilakukan secara manual oleh engineer. Metode ini memerlukan waktu yang lama dan hasilnya dapat bervariasi tergantung pada pengalaman dan keterampilan engineer. Untuk mengatasi keterbatasan metode manual, perlu untuk mengembangkan sistem klasifikasi tingkat retakan beton dalam mengklasifikasikan retakan beton dengan cepat dan akurat. Penelitian ini mengusulkan metode Histogram of Oriented Gradients (HOG) dan Histogram of Oriented Gradients Circle (C-HOG) untuk mengekstrak ciri-ciri retakan beton. Model klasifikasi berbasis Neural Network yang digunakan adalah Conjugate Gradients Backpropagation (CGB), One Step Secant (OSS), dan Scaled Conjugates Gradient (SCG). Hasilnya menunjukkan bahwa metode C-HOG dengan model klasifikasi OSS memiliki akurasi terbaik dalam mengklasifikasikan retakan beton. Akurasi yang dicapai adalah 87,8% pada tahap pelatihan dan 83,9% pada tahap pengujian. Hasil ini menunjukkan bahwa metode C-HOG dengan model klasifikasi OSS dapat digunakan untuk mengembangkan sistem klasifikasi tingkat retakan beton yang cepat dan akurat.
Item Type: | Thesis (S1) |
---|---|
Uncontrolled Keywords: | Concrete cracks, Multi-Layer Perceptron, Histogram of Oriented Gradient (HOG), Histogram of Oriented Gradients Circle (C-HOG) and Neural Network |
Divisions: | Fakultas Teknik > Teknik Elektro S1 |
Depositing User: | Aidilla Qurotianti |
Date Deposited: | 16 Feb 2024 06:46 |
Last Modified: | 16 Feb 2024 06:46 |
URI: | https://etd.umy.ac.id/id/eprint/44521 |