SISTEM PENDETEKSI KERUSAKAN JALAN ASPAL MENGGUNAKAN CANNY EDGE DETECTION

  • Farhan Aditya Rafi(1)
    Program Studi Ilmu Komputer, Universitas Nusa Cendana, Indonesia
  • Adriana Fanggidae(2*)
    Program Studi Ilmu Komputer, Universitas Nusa Cendana, Indonesia
  • Yulianto Triwahyuadi Polly(3)
    Program Studi Ilmu Komputer, Universitas Nusa Cendana, Indonesia
  • (*) Corresponding Author
Kata Kunci: jalan aspal, kerusakan jalan, Canny edge detection

Abstrak

Jalan adalah akses bagi manusia untuk berpindah tempat, menghubungkan suatu tempat ke tempat yang lain, dan berfungsi sebagai prasarana transportasi. Setiap saat, jalan aspal dilalui oleh para pengguna jalan, termasuk kendaraan kecil, sedang, dan besar. Namun, kondisi jalan tidak selalu mulus dan seringkali terdapat kerusakan pada beberapa ruas jalan. Faktor-faktor seperti air, cuaca, perubahan suhu, ketidakstabilan kondisi tanah dasar, temperatur udara, proses pemadatan yang kurang baik di atas lapisan tanah dasar, dan tonase atau kendaraan-kendaraan berat yang mempunyai muatan yang melebihi kapasitas, serta peningkatan volume kendaraan, dapat menyebabkan kerusakan jalan. Kerusakan jalan dapat menurunkan pendapatan ekonomi dan meningkatkan angka kecelakaan. Beberapa jenis kerusakan jalan aspal meliputi bergelombang, berlubang, retak, dan genangan aspal di permukaan jalan. Lubang adalah jenis kerusakan yang paling sering menyebabkan terjadinya kecelakaan bagi para pengguna jalan. Penelitian ini menggunakan metode Canny edge detection untuk mendeteksi kerusakan jalan aspal. Ukuran minimal objek yang dapat dideteksi sebagai kerusakan jalan adalah 15x15 piksel dan maksimal sebesar 290x540 piksel. Pengujian dilakukan pada 65 data primer dan 35 data sekunder, dan diperoleh rata-rata akurasi sebesar 90,5% dan 88% berturut-turut.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##

Referensi

F. Yudaningrum and Ikhwanudin, “Identifikasi Jenis Kerusakan Jalan (Studi Kasus Ruas Jalan Kedungmundu-Meteseh),” TEKNIKA, vol. 12, no. 2, pp. 16–23, 2017, doi: http://dx.doi.org/10.26623/teknika.v12i2.638.

S. Nienaber, M. J. Booysen, and Rs. Kroon, “Detecting Potholes Using Simple Image Processing Techniques and Real-World Footage,” in South African Transport Conference, Jul. 2015, pp. 893–902, doi: http://dx.doi.org/10.13140/RG.2.1.3121.8408.

S. Pawade, B. P. Fuladi, and L. A. Hundikar, “FPGA Based Intelligent Potholes Detection System,” Int. J. Innov. Res. Comput. Commun. Eng., vol. 3, no. 3, pp. 2285–2290, 2015.

C. Suresh, S. Singh, R. Saini, and A. K. Saini, “A Comparative Analysis of Image Scaling Algorithms,” Int. J. Image, Graph. Signal Process., vol. 5, no. 5, pp. 55–62, Apr. 2013, doi: http://dx.doi.org/10.5815/ijigsp.2013.05.07.

L. Tonietto and M. Walter, “Morphing textures with texton masks,” in Proceedings. 17th Brazilian Symposium on Computer Graphics and Image Processing, 2004, pp. 348–353, doi: http://dx.doi.org/10.1109/SIBGRA.2004.1352980.

V. Sucharita, S. Jyothi, and D. Mamatha, “Evaluation of the Digital images of Penaeid Prawns Species Using Canny Edge Detection and Otsu Thresholding Segmentation,” Int. J. Emerg. Technol. Comput. Appl. Sci. (IJETCAS), vol. 6, no. 2, pp. 117–121, 2013, [Online]. Available: http://www.iasir.net/IJETCASpapers/IJETCAS13-526.pdf. [Accessed Mar. 24, 2023].

A. Greensted, “Otsu Thresholding,” The Lab Book Pages, 2010. [Online]. Available: http://www.labbookpages.co.uk/software/imgProc/otsuThreshold.html.

Z. Xu, X. Baojie, and W. Guoxin, “Canny edge detection based on Open CV,” in 2017 13th IEEE International Conference on Electronic Measurement & Instruments (ICEMI), Oct. 2017, vol. 2, no. 1, pp. 53–56, doi: https://doi.org/10.1109/ICEMI.2017.8265710.

K. A. M. Said and A. B. Jambek, “Analysis of Image Processing Using Morphological Erosion and Dilation,” J. Phys. Conf. Ser., vol. 2071, no. 1, p. 012033, Oct. 2021, doi: http://dx.doi.org/10.1088/1742-6596/2071/1/012033.

M. Králik and L. Ladányi, “Canny Edge Detector Algorithm Optimization Using 2D Spatial Separable Convolution,” Acta Electrotech. Inform., vol. 21, no. 4, pp. 36–43, 2021, doi: https://doi.org/10.2478/aei-2021-0006.

PlumX Metrics

Diterbitkan
2023-03-31
Bagian
Articles

##plugins.generic.recommendByAuthor.heading##

##plugins.generic.recommendByAuthor.noMetric##