Text

Identifikasi Kerusakan Body Mobil Bekas Menggunakan Deep Learning Berbasis Citra Digital

---

Pasar mobil bekas di Indonesia terus tumbuh, namun proses inspeksi kondisi kendaraan masih mengandalkan penilaian visual teknisi yang rentan terhadap kesalahan subjektif. Penelitian ini mengembangkan sistem deteksi kerusakan body mobil berbasis Convolutional Neural Network (CNN) yang mampu mengklasifikasikan empat kategori kondisi permukaan kendaraan, yaitu normal, goresan, penyok, dan retakan. Dataset yang digunakan berjumlah 600 citra dengan pembagian 80% data latih dan 20% data uji. Teknik augmentasi data dan transfer learning diterapkan untuk meningkatkan kemampuan generalisasi model. Hasil evaluasi menunjukkan akurasi rata-rata 88,3%, presisi 0,89, recall 0,87, dan F1-score 0,88. Kategori normal mencapai akurasi tertinggi (93,3%), sedangkan retakan menjadi kategori paling menantang (83,3%) akibat kesamaan pola
visual dengan goresan tipis. Sistem yang dihasilkan mampu memberikan informasi kerusakan secara otomatis, objektif, dan konsisten dibandingkan inspeksi manual.

---

Ketersediaan

S250232

SKR-2025 AMB p

Perpustakaan Universitas Handayani Makassar

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

SKR-2025 AMB p

Penerbit

Universitas Handayani Makassar : Universitas Handayani Makassar., 2025

Deskripsi Fisik

iii + 99 hlm; 29 x 21 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

SKR-2025 AMB p

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

Ed. 1, Cet. 1

Subjek

Citra Digital
Deep Learning
CNN
deteksi kerusakan
body mobil bekas
augmentasi data

Info Detail Spesifik

Skripsi Teknik Informatika

Pernyataan Tanggungjawab

Ambrosius Darvi Jehada

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus login sebelum memberikan komentar