PENGARUH NILAI K PADA METODE K-NEAREST NEIGHBOR (KNN) TERHADAP TINGKAT AKURASI  IDENTIFIKASI  KERUSAKAN  JALAN

Ida Ayu Angreni; Sakti Adji Adisasmita; M Isran Ramli; Sumarni Hamid

doi:10.22441/jrs.2018.v07.i2.01

Authors

Ida Ayu Angreni Gunadharma University, Indonesia
Sakti Adji Adisasmita Fakultas Teknik Universitas Hasanuddin, Indonesia
M Isran Ramli Fakultas Teknik Universitas Hasanuddin, Indonesia
Sumarni Hamid Fakultas Teknik Universitas Hasanuddin, Indonesia

DOI:

https://doi.org/10.22441/jrs.2018.v07.i2.01

Keywords:

Kerusakan Jalan, Pengolahan Citra, KNN, Tingkat Akurasi

Abstract

Melihat kelemahan dari metode penilaian kerusakan jalan secara visual, salah satunya hasil identifikasi yang bisa bersifat subyektif, maka perlu dibuat suatu algoritma atau metode untuk mengidentifikasi jenis kerusakan jalan. Langkah awal dari proses algoritma berupa pengambilan gambar dengan jenis kamera digital, dihasilkan citra digital. Citra tersebut digunakan untuk pengolahan citra dengan software Matlab untuk menentukan jenis kerusakan jalan secara tepat dan cepat. Pengolahan citra pada penelitian ini meliputi dua tahap, yaitu proses ekstraksi dengan tahapan: wiener filtering dan thresholding, sedangkan proses klasifikasi dengan metode KNN. Hasil yang diperoleh yaitu jenis kerusakan jalan yang dapat diidentifikasi meliputi retak dan retak kulit buaya. Tujuan penelitian adalah berapa besar pengaruh nilai k dari metode KNN terhadap tingkat akurasi jenis kerusakan retak dan retak kulit buaya. Ditemukan bahwa dengan uji coba nilai k yang berbeda-beda, yaitu 1, 8, dan 15, menghasilkan tingkat akurasi yang berbeda untuk tiap jenis kerusakan.
Kata kunci :Kerusakan Jalan, Pengolahan Citra, KNN, Tingkat Akurasi

Downloads

Download data is not yet available.

References

A. Miradi, J. Groenendijk, L. J. M. Dohmen , 2007, ‘Crack Development in Linear Tracking Test Pavement from Visual Survey to Pixel Analysis’ Journal Transportation research record, Journal of transportation Research Board, Vol. 1570, pages 48 – 54.

A.Georgopoulos, A. Loizos, A. Flouda, 1995 ‘Digital image Processing as a Tool for Pavement Distress Evaluation’ ISPRS Journal of Photogrammetry and Remote Sensing, volume 50 Issue 1, pages 25 – 33

Arie Murdianto, 2007. Ekstraksi fitur wajah dengan sobel detection, Universitas Indonesia, Jakarta.

Astuti Fajar. 2013. Pengolahan Citra Digital Konsep dan Teori. Penerbit Andi Offset, Yogyakarta

Benedatto.A,Benedetto F,De Blasiis MR,Giunta G. 2005 . Reliability of Signal Processing Technique for Pavement Damages Detection and Classification using Ground penetrating Radar.(Sensor Journal, IEEE (Volume 5, Issue : 3) June 2005, pp. 471 – 480.

DeWilde, Burton. 2012. Classification of Hand-written Digits (3). URL: http://bdewilde.github.io/blog/blogger/2012/10/26/classification-of-hand-written-digits-3/

Ghada mousa, Khded Hussain.(2011). A new Technique for Automatic Detection and parameter estimation of pavement Crack. Proceeding of the 4th in International 2011. Iis.org

Gonzales R. C., Woods, R. E. 2004. Digital Image Processing Using MATLAB. Pretice Hall, New Jersey.

Kelvin C.P Wang, Oiang Li, Weiguo Gong. 2007. Wavelet- based Pavement Distress Image Edge Detection with a Traus Algorithm. (Journal of The Transportation Research Board, Volume 2024/2007.

Lou Jing, Chang Zhou, 2010. Pavement Crack Distress Detection based on Image Analysis. (Machine Vision and Human machine Interface (MVHI), 2010.International Conference on 2010 (China) pp.576-579.

Mohajeri, M.Jerry H Manning, Patrick J. 1991. An operating System of Pavement Distress, Diagnosis By Image Processing . (journal Transportation Research Board Number 1311, pp. 120-130 ,(1991.) pp.73-81.

Rafiq Amalyah. 2014. Aplikasi Klasifikasi Citra Kerusakan Aspal Menggunakan Matlab 2013A. Skripsi, Universitas Gunadarma.

Shuzhibiao, Guo yanqing, 2013. Algorithm On Contourlet Domain In Detection Of Road Cracks for Pavement Images . Journal of Algorithms & Computational Tech-nology, Vol.7, No.1/march 2013, pp.15-26.

Sulaksono, S., 2001, Rekayasa Jalan, ITB, Bandung.

T. Saar, O. Talvik, 2010, Automatic asphalt pavement Crack detection and Classification using Neural Network. Biennial Baltic Electronics Conference (BEC)

Timu Saaren Keto, Tom Scullion. 2000. Road Evaluation with Ground Penetrating Radar. (Elsevier, Journal of Applied Geophysics,Volume 43,Issues 2-4, March2000 Pages 119-138.

Zhaoyun Sun, Chang An, Wei Li, Aimin Sha. (2010) Automatic pavement Cracks Detection System based on Visual Studio C++6,0 (Natural Computation, 2010 Sixth International Conference on Vol.4 pp.2016-2019