IMPLEMENTASI ALGORITMA DEEP LEARNING DALAM SISTEM DETEKSI KERUSAKAN PADA MOBIL MENGGUNAKAN ARSITEKTUR SSD-MOBILENET V2

CITRA ADINDA HARTAWAN, . (2024) IMPLEMENTASI ALGORITMA DEEP LEARNING DALAM SISTEM DETEKSI KERUSAKAN PADA MOBIL MENGGUNAKAN ARSITEKTUR SSD-MOBILENET V2. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text Cover.pdf Download (471kB)
	Text BAB I.pdf Download (339kB)
	Text BAB II.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (967kB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Download (140kB) | Request a copy
	Text Daftar Pustaka.pdf Download (209kB)
	Text Lampiran.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Dengan banyaknya kemungkinan risiko kerugian yang akan dialami oleh seorang pemilik mobil membuat kebutuhan berasuransi menjadi semakin relevan. Tetapi dengan proses pengecekan kendaraan yang masih menggunakan cara konvensional, yaitu hanya memanfaatkan kemampuan visual manusia biasa pastinya akan memakan waktu yang lama. Ditambah dengan banyaknya laporan yang masuk, membuat proses klaim menjadi semakin lama. Oleh karena itu, proses penilaian kerusakan ini dapat dijadikan sebuah tantangan dalam Machine Learning, menggunakan salah satu algoritmanya yaitu SSD-MobileNet V2. Model ini merupakan gabungan dari MobileNet V2 dan SSD (Single Shot Detector). Penelitian ini menggunakan AI Project Cycle sebagai panduan dalam mengembangkan model. Dataset yang digunakan berupa gambar kerusakan bodi mobil sebanyak 2671 gambar. Dilakukan training model sebanyak 3 kali dengan kondisi parameter yang berbeda. Setelah dilakukan evaluasi, nilai mAP tertinggi diraih pada kondisi 3, yaitu mAP@0.5 sebesar 67.34% dan mAP@[.5:.95] sebesar 39.93%. Karena mAP score yang diperoleh pada ketiga kondisi memiliki nilai yang lebih tinggi daripada 20,2%, maka dapat disimpulkan bahwa detektor dalam penelitian ini telah mencapai kinerja yang baik. Selanjutnya model melalui tahap deployment hanya berupa inferencing images sederhana di dalam Google Colab. ***** With the many possible risks of loss that a car owner will experience, the need for insurance becomes increasingly relevant. However, the vehicle checking process that still uses conventional methods, namely only using ordinary human visual abilities, will definitely take a long time. Coupled with the large number of reports coming in, the claims process is taking longer. Therefore, this damage assessment process can be used as a challenge in Machine Learning, using one of the algorithms, namely SSD-MobileNet V2. This model is a combination of MobileNet V2 and SSD (Single Shot Detector). This research uses the AI Project Cycle as a guide in developing the model. The dataset used is 2671 images of car body damage. Model training was carried out 3 times with different parameter conditions. After evaluation, the highest mAP value was achieved in condition 3, namely mAP@0.5 of 67.34% and mAP@[.5:.95] of 39.93%. Because the mAP scores obtained in the three conditions have values higher than 20.2%, it can be concluded that the detector in this study has achieved good performance. Next, the model goes through the deployment stage, just in the form of simple inferencing images in Google Colab.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Irma Permata Sari, S.Pd., M.Eng. ; 2). Fuad Mumtas, S.Kom., M.TI.
Subjects:	Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FT > S1 Sistem dan Teknologi Informasi
Depositing User:	Citra Adinda Hartawan .
Date Deposited:	18 Feb 2025 02:35
Last Modified:	18 Feb 2025 02:35
URI:	http://repository.unj.ac.id/id/eprint/52927

Actions (login required)

View Item