Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal MDP Student Conference
Jimmy Aprilyanto
Universitas Multi Data Palembang
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Arsitektur VGG-Unet Dalam Melakukan Segmentasi Keretakan pada Citra Bangunan Jimmy Aprilyanto; Yohannes Yohannes
MDP Student Conference Vol 2 No 1 (2023): The 2nd MDP Student Conference 2023
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1404.071 KB) | DOI: 10.35957/mdp-sc.v2i1.4311

Abstract

Retak adalah manifestasi permukaan yang disebabkan oleh gaya atau kombinasi gaya yang bekerja melebihi kapasitas yang dapat ditampung oleh suatu bangunan atau komponen materialnya. Proses pendeteksian retakan pada bangunan biasanya dilakukan secara manual, namun pendeteksian secara manual memiliki banyak kekurangan seperti keamanan, waktu dan sebagainya. Dalam studi ini, penulis menggunakan Convolutional Neural Network (CNN) arsitektur VGG-UNet dan Optimizer Adam, RMSprop, dan SGD untuk mendeteksi retakan pada citra bangunan. Kumpulan data yang digunakan dalam penelitian pendeteksian retakan ini adalah kumpulan data segmentasi retakan yang terdiri dari 11.298 citra masing-masing citra asli dan citra ground truth. Dataset dibagi menjadi 9.603 data latih dan 1.695 data uji. Optimizer Adam memiliki skor tertinggi untuk arsitektur VGG-UNet dengan skor Mean Intersection over Union (MIoU) sebesar 70,35%. Di sisi lain, optimizer SGD mencapai skor terendah dengan nilai MIoU 61,24%.
Co-Authors Yohannes Yohannes