Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Kondisi Jalan Dan Pengembangan Sistem Informasi Geografis Berbasis Android (Studi Kasus : Kabupaten Simalungun)

Jalan Yang Rusak Dapat Memberikan Dampak Buruk Bagi Pengguna Jalan Dan Fatalnya Dapat Menyebabkan Kecelakaan Bagi Pengguna Jalan. Salah Satu Tanda Jalan Yang Rusak Adalah Adanya Lubang Pada Jalan Tersebut. Penelitian Ini Bertujuan Untuk Mengembangkan Sebuah Aplikasi Android Yang Dapat Menampilkan Titik Lokasi Jalan Yang Berlubang Dan Memberi Peringatan Dini Kepada Pengendara Kendaraan Bermotor Di Kabupaten Simalungun - Sumatera Utara. Penelitian Ini Mengimplementasikan Algoritma Convolutional Neural Network (CNN) Dengan Menggunakan Metode Transfer Learning Pada Pre-Trained Model Mobilenetv3 Untuk Klasifikasi Kondisi Jalan Secara Otomatis. Dataset Yang Digunakan Dalam Penelitian Sebanyak 22.538 Gambar Yang Dibagi Ke Dalam Dua Kelas Yaitu Kelas Berlubang Dan Kelas Normal. Penelitian Ini Menggunakan Pembagian Dataset Dengan Rasio 60:20:20, 70:20:10 Dan 80:10:10. Mobilenetv3 Varian Large Dengan Rasio Dataset 60:20:20 Menunjukkan Nilai Terbaik Dengan F1-Score 0,9035. Model Selanjutnya Dikonversi Ke Tensorflow Lite Dengan F1-Score 0,8985. Penelitian Ini Berhasil Mengimplementasikan Model Yang Telah Dilatih Dan Diuji Beserta Dengan Peringatan Dini Via Audiovisual Pada Aplikasi Android. Pengujian Fungsionalitas Aplikasi Yang Dilakukan Dengan Black Box Testing Menunjukkan Bahwa Aplikasi Dapat Berjalan Dengan Baik.