SISTEM DETEKSI LEVEL KERUSAKAN BETON DENGAN HAAR WAVELET DAN ZERNIKE MOMENT INVARIANT BERBASIS NEURAL NETWORK

Kerusakan beton merupakan masalah yang sering terjadi pada bangunan dan infrastruktur yang dapat membahayakan bagi makhluk hidup di sekitarnya. Beberapa hal yang dapat menyebabkan kerusakan beton diantaranya adalah faktor cuaca, usia beton, dan kerusakan struktural. Pada penelitian ini citra beton digunakan sebagai objek penelitian dengan menggunakan 3 tingkat kerusakan yaitu normal, retak halus dan retak parah. Penelitian ini membantu untuk mendiagnosa tingkat kerusakan yang terjadi pada beton dengan metode klasifikasi Multilayer Perceptron (MLP) yang dikombinasikan dengan Haar Wavelet dan Zernike Moment Invariant sebagai metode ekstrasi. Penelitian ini melalui beberapa tahapan yang dilalui yaitu pre-processing, ekstrasi dan klasifikasi. Dalam tahapan klasifikasi terdapat 3 model yang dikombinasikan yaitu Scale Conjugate Gradient (SCG), Conjugate Gradient with Beale-Powell Restarts (CGB) dan Levenbreg Marquard (LM). Perbandingan hasil terbaik dihasilkan oleh metode klasifikasi Levenbreg Marquard (LM) menggunakan metode ekstrasi fitur Haar Wavelet dengan nilai akurasi sebesar 88.2%.