Tahir, Miftahul Ikhsan (2022) APLIKASI PENDETEKSI KOROSI PADA PELAT KAPAL DENGAN METODE CONVOLUTIONAL NEURAL NETWORK = CORROSION DETECTION APPLICATION ON SHIP PLATE WITH CONVOLUTIONAL NEURAL NETWORK METHOD. Skripsi thesis, Universitas Hasanuddin.
![[thumbnail of Cover]](/23330/1.hassmallThumbnailVersion/D33116307_skripsi_24-05-2022%20cover1.png)
![](/23330/1.haspreviewThumbnailVersion/D33116307_skripsi_24-05-2022%20cover1.png)
D33116307_skripsi_24-05-2022 cover1.png
Download (101kB) | Preview
![[thumbnail of Bab 1-2]](/style/images/fileicons/text.png)
D33116307_skripsi_24-05-2022 1-2.pdf
Download (979kB)
![[thumbnail of Dapus]](/style/images/fileicons/text.png)
D33116307_skripsi_24-05-2022 dp.pdf
Download (9MB)
![[thumbnail of Full Text]](/style/images/fileicons/text.png)
D33116307_skripsi_24-05-2022.pdf
Restricted to Repository staff only until 17 November 2024.
Download (13MB)
Abstract (Abstrak)
Kegunaan baja dalam industri perkapalan sering digunakan dalam pembuatan suatu bahan material, salah satunya adalah pelat kapal. Pelat kapal merupakan material yang digunakan sebagai kulit kapal yang berhubungan langsung dengan faktor lingkungan sekitar seperti suhu, salinitas air, udara dan lain-lain. Faktor inilah yang mempengaruhi adanya korosi pada pelat kapal. Penelitian ini bertujuan untuk merancang suatu aplikasi pendeteksi korosi pada pelat kapal dengan metode Convolutional Neural Network menggunakan software matlab. Metode CNN ini terdiri dari 3 tahap. Tahap pertama yaitu klasifikasi data yang dibagi menjadi tiga, GOOD, FAIR, dan POOR dengan total data sebanyak 1050 gambar. Tahap kedua yaitu, proses training dan testing data dengan parameter learning yang telah melalui tahap uji coba. Arsitektur CNN yang terdiri dari beberapa proses seperti konvolusi filter 3x3 dengan padding same, rectified linear unit, dan max pooling window 2x2 dengan padding same. Tahap ketiga yaitu, pengaplikasian hasil dari proses training CNN. Hasil dari perancangan aplikasi ini dapat berjalan dengan baik saat melakukan prediksi terhadap gambar korosi dan mampu mendeteksi area korosi pada pelat kapal. Tingkat akurasi ketepatan pada saat testing data mencapai 96% dengan 25 kali percobaan pada gambar secara acak. Dalam uji validasi terhadap hasil klasifikasi data, didapatkan nilai error rata-rata pada proses komputasi yaitu 1.77% dengan simpangan rata-rata 1.26%.
Kata kunci: Korosi, Pelat, Matlab, Deep Learning, Convolutional Neural Network.
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | Corrosion, Plate, Matlab, Deep Learning, Convolutional Neural Network. |
Subjects: | T Technology > T Technology (General) |
Divisions (Program Studi): | Fakultas Teknik > Teknik Sistem Perkapalan |
Depositing User: | S.Sos Rasman - |
Date Deposited: | 17 Nov 2022 06:32 |
Last Modified: | 17 Nov 2022 06:32 |
URI: | http://repository.unhas.ac.id:443/id/eprint/23330 |