KLASIFIKASI BANJIR PADA CITRA CCTV JALAN RAYA KOTA SAMARINDA MENGGUNAKAN NETWORK METODE CONVOLUTIONAL NEURAL
Banjir merupakan suatu kondisi di mana volume air menggenangi sebuah area yang luas. waktu terjadinya banjir di samarinda sangat sulit di prediksi sehingga pemerintah kota samarinda memberikan layanan melalui kamera CCTV yang tersebar di setiap ruas jalan. selain digunakan untuk melihat kegiatan lalu lintas, Citra kamera CCTV juga digunakan oleh masyarakat untuk melihat keadaan ruas jalan yang terkena dampak banjir. citra kamera CCTV yang diolah dengan memanfaatkan perkembangan teknologi saat ini digunakan untuk memberikan informasi terjadinya banjir di kota Samarinda dengan lebih cepat. Salah satu metode yang dapat digunakan dalam pengolahan citra banjir adalah deep learning dan salah satu model deep learning yang memiliki kinerja terbaik dalam pengenalan dan klasifikasi citra yaitu Convolutional Neural Network (CNN). Arsitektur Model CNN yang digunakan memiliki satu input layer, empat Convolutional layer, dan satu fully connected layer. Adapun dataset yang digunakan berupa citra banjir pada ruas jalan Wahid Hasyim Samarinda berjumlah 800 data, diantaranya adalah data training berjumlah 640 citra, data validasi sebanyak 80 citra, dan data testing sebanyak 80 citra. hasil akurasi dari pelatihan model untuk training yaitu 98% dan pada tahap pengujian sebesar 98,75 %.
Kata kunci : CNN, deep learning, banjir, klasifikasi.
Ketersediaan
Detail Information
Judul | KLASIFIKASI BANJIR PADA CITRA CCTV JALAN RAYA KOTA SAMARINDA MENGGUNAKAN NETWORK METODE CONVOLUTIONAL NEURAL |
---|---|
Pengarang | RAFI ICHSANUL IQBAL - Personal Name |
No. Panggil | SKRIPSI RAF k 2022 |
Subyek | CNN, deep learning, banjir, klasifikasi. |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2022 |
Penerbit | Fakultas Teknik |
Jurusan | Informatika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY