IMPLEMENTASI TRANSFER LEARNING CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI LUBANG JALAN PADA VIDEO DRONE

  • Miftahul Muhaemen ULM
  • Mohammad Reza Faisal
  • Dodon Turianto Nugrahadi
  • Andi Farmadi
  • Rudy Herteno
DOI: https://doi.org/10.20527/jdsse.v1i01.3

Abstrak

Lubang jalan menjadi salah satu masalah yang dapat menyebaban kerugian pada seseorang atau orang banyak bahkan bisa sampai menghilangkan nyawa. Sehingga banyak penelitian yang dilakukan untuk mendeteksi  lubang jalan, khususnya berbasis gambar. Penelitian ini menggunakan UAV (Unmanned Aerial Vehicle) untuk mendapatkan dataset video udara dan melatih CNN (Convolutional Neural Network) dengan dataset tersebut. Namun, daripada melakuan pembelajaran dari awal, transfer learning dapat digunakan untuk melatih model CNN mengenali  objek lubang jalan dan mengukur besar nilai kinerjanya serta berapa frame rate yang optimal. Lalu hasil penelitian ini menunjukan bahwa model CNN, ssd_resnet_50_fpn_coco mendapatkan nilai rata-rata kinerja sebesar 48,90 mAP. Dan frame rate optimal dengan rata-rata nilai kinerja tertinggi pada frame rate 30FPS dengan nilai 49.43 mAP dan 1FPS dengan nilai 48.36 mAP.

Kata kunci: Kinerja, Transfer Learning, Convolutional Neural Network, Deteksi Lubang Jalan, Video Udara.

Diterbitkan
2020-03-23
##submission.howToCite##
Muhaemen, M., Mohammad Reza Faisal, Dodon Turianto Nugrahadi, Andi Farmadi, & Rudy Herteno. (2020). IMPLEMENTASI TRANSFER LEARNING CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI LUBANG JALAN PADA VIDEO DRONE. Journal of Data Science and Software Engineering, 1(01), 1-10. https://doi.org/10.20527/jdsse.v1i01.3
Terbitan
Vol 1 No 01 (2020)
Bagian
Artikel