Analisis kinerja deteksi pada objek bergeometri tidak beraturan menggunakan arsitekstur transformer RF-DETR

Mahen, Zidni Nurfauzi (2026) Analisis kinerja deteksi pada objek bergeometri tidak beraturan menggunakan arsitekstur transformer RF-DETR. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (173kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (218kB) | Preview
Preview	Text (SK BEBAS PLAGIARISME) 3_skbebasplagiarism.pdf Download (379kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (224kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (316kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (824kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (631kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (212kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (193kB) | Request a copy

Abstract

Pendeteksian kerusakan jalan, khususnya jalan berlubang, merupakan aspek krusial dalam menjaga keselamatan transportasi. Namun, proses ini seringkali masih dilakukan secara manual yang bersifat subjektif dan memakan waktu. Tantangan utama dalam deteksi otomatis adalah karakteristik objek bergeometri tidak beraturan (Irregular Shapes) dan kondisi lingkungan yang kompleks. Penelitian ini bertujuan untuk menganalisis kinerja dan ketangguhan arsitektur Transformer RF-DETR dalam mendeteksi jalan berlubang Model dilatih menggunakan penggabungan dataset yang terdiri dari 1.629 citra dan 2.996 anotasi dari berbagai perspektif, seperti ground, dashcam, dan drone,. Proses pelatihan dilakukan dengan penyesuaian hyperparameter dan augmentasi data untuk meningkatkan kemampuan generalisasi model. Hasil evaluasi menunjukkan bahwa RF-DETR memiliki kinerja yang baik dengan nilai Precision sebesar 85,66%, Recall 69,44%, F1-score 76,70%, dan mAP@50 mencapai 67,13% pada data uji. Dalam pengujian ketangguhan (robustness) menggunakan Metamorphic Testing, model menunjukkan tingkat ketahanan yang bervariasi terhadap degradasi citra,. Transformasi Image Compression memiliki tingkat ketahanan terbaik dengan nilai sensitivitas (slope) terendah sebesar 0,2477, sementara transformasi Defocus Blur merupakan gangguan yang paling memengaruhi performa model dengan nilai slope tertinggi sebesar 1,5094,. Penelitian ini menyimpulkan bahwa RF-DETR efektif untuk mendeteksi objek dengan geometri kompleks, namun performanya sangat dipengaruhi oleh karakteristik degradasi visual pada citra.

Actions (login required)

View Item