KLASIFIKASI KERUSAKAN BANGUNAN SEKOLAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN PRE-TRAINED MODEL VGG-16

Abstract

Bangunan sekolah merupakan komponen utama penunjang pelaksanaan proses belajar mengajar dan menjadi salah satu faktor penentu peningkatan mutu suatu lembaga pendidikan. Ketersediaan sarana dan prasarana sebagai penunjang kegiatan juga merupakan hal yang penting dalam peningkatan mutu itu sendiri, sehingga dibutuhkan pemeliharaan dan perawatan yang tepat dalam penggunaan bangunan tersebut. Pada proses penggunaanya, banyak bangunan sekolah yang tidak terawat dikarenakan kurangnya perhatian pada kualitas bangunan tersebut, maupun faktor-faktor yang tidak menentu, seperti kesalahan dalam merancang, cuaca, maupun bencana alam. Salah satu upaya yang dilakukan untuk penanganan bangunan rusak adalah dengan dilakukannya rehabilitasi sebagai penentuan penilaian kerusakan bangunan yang salah satunya dengan mengklasifikasi bangunan secara langsung maupun dengan kumpulan citra. Berdasarkan permasalahan tersebut, dibangun sebuah model Convolutional Neural Network (CNN) untuk mengklasifikasi kerusakan bangunan sekolah di Indonesia. Algoritma CNN yang dibangun menggunakan VGG-16 sebagai pre-trained modelnya. Algoritma CNN digunakan karena memiliki performa yang lebih baik untuk mempelajari data citra dibandingkan dengan metode konvensional lainnya. Model ini dilatih dan diuji menggunakan 3000 citra kerusakan bangunan, diantaranya memiliki 3 kelas kerusakan yang masing-masing terdiri dari 1000 citra per kelasnya. Pengujian model menggunakan 200 citra kerusakan bangunan dari setiap kelas kerusakan. Hasil penelitian menghasilkan nilai akurasi terbaik pada proses pelatihan 3000 citra dengan menghasilkan 67,8%.