PENGEMBANGAN APLIKASI PENDETEKSI KERETAKAN JALAN BERBASIS ANDROID DENGAN IMPLEMENTASI ALGORITMA HYBRID CNN-LSTM

Abstract

Infrastruktur jalan yang berkualitas memegang peran penting dalam pertumbuhan ekonomi suatu negara. Namun, dengan meningkatnya volume kendaraan dan faktor lingkungan, kerusakan jalan menjadi masalah yang tak terhindarkan dan memerlukan perhatian serius. Metode tradisional dalam mendeteksi kerusakan jalan seringkali dilakukan melalui inspeksi manual yang tidak hanya memakan waktu tetapi juga cenderung subjektif dan kurang akurat. Penelitian ini mengusulkan pengembangan aplikasi Android yang inovatif, yang memanfaatkan teknologi Deep Learning untuk mendeteksi kerusakan jalan secara akurat dan efisien. Aplikasi ini menggabungkan Convolutional Neural Network (CNN) untuk ekstraksi ciri visual dari gambar dan Long Short-Term Memory (LSTM) untuk memahami konteks sekuensial dari data hasil luaran lapisan-lapisan CNN. Dataset yang digunakan dalam pengembangan model ini bersumber dari kumpulan gambar kerusakan jalan sebagai representasi dari berbagai kondisi jalanan perkotaan di Indonesia. Melalui proses pelatihan, model CNN-LSTM yang ini diintegrasikan ke dalam aplikasi dengan menggunakan TensorFlow Lite. Pengembangan aplikasi Android dilakukan dengan mempertimbangkan arsitektur aplikasi yang baik dan efisien, menjamin bahwa aplikasi tidak hanya responsif dan intuitif tetapi juga hemat sumber daya. Melalui integrasi teknologi canggih dan pendekatan pengembangan yang terfokus, aplikasi ini berpotensi menjadi alat penting dalam usaha pemeliharaan infrastruktur jalan, memberikan solusi yang praktis dan inovatif untuk mendeteksi kerusakan jalan dengan cepat dan akurat.