BAB I. PENDAHULUAN
BAB 6. JADWAL
Jadwal kegiatan penelitian terapan analisis prediksi citra retak beton dengan CNN disajikan pada Tabel 22 dibawah ini.
Tabel 22. Jadwal Kegiatan No Jenis Kegiatan
Bulan ke
1 2 3 4 5 6
1. Pengumpulan Data dan pengolahn data Citra retak beton
2. Desain Model. Menentukan Node dan Layer
3. Implementasi Mode.
Membuat Struktur Hierarki 4. Coding dengan R
a). Arsitektur CNN
b). Setting Hidden Layer b). Fungsi Aktivasi 5. Cross validation
6. Pengujian dengan data test 7. Penulisan makalah untuk
dipublikasikan
DAFTAR PUSTAKA
Adi, P. (OKTOBER 2013). KAJIAN JENIS AGREGAT DAN PROPORSI CAMPURAN TERHADAP KUAT. Jurnal Teknik, Vol. 3 No. 2.
Agus Zainal Arifin, W. D. (2020). PENGGUNAAN ANALISA FAKTOR UNTUK KLASIFIKASI CITRA PENGINDERAAN JAUH MULTISPEKTRAL.
Jurnal Teknologi Informasi, Vol.1, No.1, Juli.
Akhmad Rohim, Y. A. (Juli 2019). Convolution Neural Network (CNN) Untuk Pengklasifikasian Citra Makanan Tradisional. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 3, No. 7, 7037-7042.
Andina Prima Putri, A. K. (2019). ANALISIS KUAT TEKAN BETON
MENGGUNAKAN SUBTITUSI BAHAN RAMAH. Jurnal Kajian Teknik Sipil Volume 3 Nomor 2.
Ari Peryanto, A. Y. (2020). Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation. Journal of Applied Informatics and Computing (JAIC), Vol. 4, No. 1, Juli, 45-51.
Aris Widodo, M. A. (2017). Analisis Kuat Tekan Beton Dengan Penambahan Serat Rooving Pada Beton. JURNAL TEKNIK SIPIL & PERENCANAAN, 115-120.
Billy, I. K. (2017). Implementasi Artificial Intelligence pada Game Defender of Metal City dengan Menggunakan Finite State Machine. JURNAL TEKNIK POMITS Vol. 6, No. 2 , 2337-3520.
Fangatulo Dodo Telaumbanua, P. H. (2018). Penggunaan Machine Learning Di Bidang Kesehatan. Jurnal Penelitian Teknik Informatika Universitas Prima Indonesia (UNPRI) Medan, Vol. 3, No. 1, Oktober.
Febian Fitra Maulana, N. R. (2019). Klasifikasi Citra Buah Menggunakan Convolutional Neural. JINACS (Journal of Informatics and Computer Science), Volume 01 Nomor 02,.
Fiany Fajar Puspita, T. B. (2018). ANALISIS RETAK LENTUR PADA BALOK BETON. Jurnal Teknik Sipil Universitas Syiah Kuala Volume 1 Special Issue, Nomor 4.
Fitri Muwardi, A. F. (2017). SISTEM PENGENALAN BUNGA BERBASIS. Jurnal Ilmu Teknik Elektro Komputer dan Informatika Vol. 3, No. 2, Desember.
Gusti Alfahmi Anwar, D. R. (2019). KLASIFIKASI CITRA GENUS PANTHERA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Jurnal Ilmiah Informatika Komputer Volume 24 No. 3.
Indra Fransiskus Alam, M. I. ( 2019). IMPLEMENTASI DEEP LEARNING
DENGAN METODE CONVOLUTIONAL NEURAL NETWORK UNTUK IDENTIFIKASI OBJEK SECARA REAL TIME BERBASIS ANDROID.
semanTIK, Vol.5, No.2, Jul-Des, 237-244.
Isneini, M. (Desember 2009). KERUSAKAN DAN PERKUATAN STRUKTUR BETON BERTULANG. Jurnal Rekayasa Vol. 13 No. 3,.
Kasyfi Ivanedra, M. M. (2019). IMPLEMENTASI METODE RECURRENT NEURAL NETWORK PADA TEXT SUMMARIZATION DENGAN TEKNIK ABSTRAKTIF. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 6, No. 4, Agustus, 377-382.
Khairul Umam, B. S. (Desember 2016). Deteksi Obyek Manusia Pada Basis Data Video Menggunakan. Jurnal CoreIT, Vol.2, No.2.
Kurniati, A. Z. (2002). PENGGUNAAN ANALISA FAKTOR UNTUK KLASIFIKASI CITRA. Juti Volume 1, Nomor 1, Juli , 12-19.
Lei Zhang, F. Y. (2017). ROAD CRACK DETECTION USING DEEP
CONVOLUTIONAL NEURAL NETWORK. Department of Electrical and Computer Engineering, Temple University, Philadelphia, PA 19122, USA.
Linggasari, D. (2019). MEMPERKIRAKAN KEDALAM RETAK PADA BETON MENGGUNAKAN GELOMBANG ULTRASONIK. Jurnal Muara Sains, Teknologi, Kedokteran, dan Ilmu Kesehatan Vol. 3, No. 1.
M.Fadly Rahman, M. D. (2017). KLASIFIKASI UNTUK DIAGNOSA DIABETES MENGGUNAKAN METODE BAYESIAN REGULARIZATION NEURAL NETWORK (RBNN). Jurnal Informatika Vol.11.No.1, Januari.
Mercury Fluorida Fibrianda, A. B. (2018). Analisis Perbandingan Akurasi Deteksi Serangan Pada Jaringan Komputer Dengan Metode Naïve Bayes Dan Support Vector Machine (SVM). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 2, No. 9, September.
Muhammad Resa Arif Yudianto, K. H. (2020). ANALISIS PENGARUH TINGKAT AKURASI KLASIFIKASI CITRA WAYANG DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. (Jurnal Teknologi Informasi) Vol.4, No.2, Desember, 2615-2738.
Mutiara Ayu Banjarsari, H. I. (2015). Penerapan K-Optimal Pada Algoritma Knn untuk Prediksi Kelulusan Tepat Waktu Mahasiswa Program Studi Ilmu Komputer Fmipa Unlam Berdasarkan IP Sampai Dengan Semester 4.
Kumpulan jurnaL Ilmu Komputer (KLIK), Vol. 2, No. 2, September.
Novelita Dwi Miranda, L. N. (2020). CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI SIDIK JARI MENGGUNAKAN RESNET-50. Jurnal Teknik Informatika (JUTIF), Vol. 1, No. 2, Desember.
Nur, A. M. (Januari 2010). GEMPA BUMI, TSUNAMI DAN MITIGASINYA. Vol 7 No. 1.
Pramestya, R. H. (2018). Deteksi dan Klasifikasi Kerusakan Jalan Aspal
Menggunakan Metode YOLO berbasis Citra Digital. Surabaya: Masters thesis, Sepuluh Nopember Institute of Technology.
Putri, A. R. (2016). PENGOLAHAN CITRA DENGAN MENGGUNAKAN WEB CAM PADA KENDARAAN BERGERAK DI JALAN RAYA. Jurnal Ilmiah Pendidikan Informatika Vol. 1, No.1, 1-6.
Reza Destiana Adyati, Y. N. (2019). KLASIFIKASI PROBABILISTIC NEURAL NETWORK (PNN) PADA DATA DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE (DBD) TAHUN 2018 . Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya .
Ridho Aji Pangestu, B. R. (2020). IMPLEMENTASI ALGORITMA CNN UNTUK KLASIFIKASI CITRA LAHAN DAN PERHITUNGAN LUAS. Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1, No. 1. Maret.
Rokhman, A. (2012). PENGARUH TERJADINYA FIRST CRACK TERHADAP LAJU PENINGKATAN MOMEN NEGATIF TUMPUAN PADA BALOK BETON. Jurnal Konstruksia, Vol. 4, No. 1, Desember .
Sarirotul Ilahiyah, A. N. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. JUSTINDO (Jurnal Sistem & Teknologi Informasi Indonesia), Vol.
3, No. 2, Agustus.
Sarirotul Ilahiyah, A. N. (Agustus 2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan
Convolutional Neural Network. Jurnal Sistem & Teknologi Informasi Indonesia, Vol. 3, No. 2.
Sorguçb, Ç. Ö. (2018). Performance Comparison of Pretrained Convolutional Neural Networks on Crack Detection in Buildings. 35th International Symposium on Automation and Robotics in Construction (ISARC).
Widyastuti, W. (2017). Kinerja Deep Convolutional Network untuk Pengenalan Aksara Pallawa. Media Teknika Jurnal Teknologi, Vol. 12, No.2, Desember.
LAMPIRAN
Lampiran 1 : Justifikasi dan Anggaran Biaya 1. Pengadaan Alat dan Bahan
Material Justifikasi
Biaya Sewa Komputer + printer (1 unit)
Rasberry Pi 4 (paket penuh)
Alataplikasi 1 Bula
n 1.000.0
00 1.000.000 Jetson NVIDIA 128 Core Sebagai
Alataplikasi 1 Bula
n 2.000.0
00 2.000.000
Total 5.000.000
2. Travel Expendure
Material Justifikasi
Pemakaian Kuantitas Satuan Harga Satuan
6 Hari 500,000 3.000.000
Material Justifikasi
Pemakaian Kuantitas Satuan Harga Satuan
Kertas HVS 80 gr sebagai bahan untuk proposal dan
laporan akhir 10 Rim 50,000 500,000
Kertas Foto sebagai bahan
untuk laporan 1 Rim 147,000 147,000
Tinta Printer Sebagai bahan untuk membuat
laporan 6 Bua
h 200,000 1,200,000 Flash Disk 128 Gb Sebagai bahan
penyimpanan data 3 Bua
h 170,000 510,000 Blocknote
Paperline Catatan masing2x 4 Bua
h 10,000.00 40,000 Stapler Max
HD-50 Staples dokumen 2 Bua
h 30,000.00 60,000 Lagban 1½ inchi Penjilidan 3 Rol 20,000.00 60,000
Pilot Hitec C Alat tulis 5 Bua
h 10,000.00 50,000 Spidol Whiteboard Alat tulis pada
presentasi 2 Kota
k 65,000.00 130,000 Map Plastik Menyimpan
dokumen 10 Bua
h 15,000.00 150,000 Akses Internet 20mgx4jam 80 Jam 15,000.00 1,200,000 Pembelian bahan
pustaka bahan referensi
penelitian 4 buku 250,000 1,000,000
Total
Material Justifikasi
1 paper 5,500,000 5,500,000
Total 7,000,000
Total Biaya
(I+II+III+IV) 20.000.000