Deteksi Jalan Berlubang Pada Citra Berkabut Menggunakan Convolutional Neural Network Dan Dark Channel Prior

Abstract

Kerusakan jalan merupakan salah satu hambatan bagi pengguna jalan. Salah satu kerusakan yang dapat mengganggu pengguna jalan adalah adanya lubang pada jalan.Kondisi lubang jalan pada cuaca berkabut sangat beresiko terjadinya kecelakaan, hal ini disebabkan oleh berkurangnya penglihatan manusia pada cuaca berkabut untuk mengetahui halangan yang ada didepannya. Penelitian ini bertujuan unutk membuat sebuah model deteksi jalan berlubang pada citra berkabut menggunakan Convolutional Neural Network (CNN) dan Dark Channel Prior (DCP). Setelah dataset terkumpul akan melalui tahap ekstraksi fitur menggunakan teknik konvolusi berupa CNN. DCP pada penelitian ini digunakan untuk pengembalian citra kabut ke citra asli yang terdiri dari beberapa tahap yaitu dark channel, atmospheric light estimation, transmission estimation, dan recovery citra. Hasil reduksi citra berkabut diuji dan diklasifikasi menguunakan hasil model pelatihan menggunakn CNN. Dari penelitian yang dilakukan, menunjukkan bahwa metode yang digunakan memiliki kinerja yang baik dan mendapatkan hasil deteksi pada citra bebas kabut dengan rata-rata sebebsar 78.5%.