Platform WebGIS Kelompok 18 untuk memvisualisasikan, mengkomparasi, dan menganalisis tingkat keakuratan metode deteksi AI secara spasial.
Capstone ini mengembangkan WebGIS untuk mendukung analisis dan visualisasi kerusakan jalan berdasarkan data orthophoto. Metode deep learning digunakan untuk membantu proses identifikasi objek kerusakan jalan, kemudian hasil deteksi divisualisasikan secara spasial melalui WebGIS.
Citra udara terkoreksi presisi
Deteksi Deep Learning otomatis
Ekstraksi anomali/kerusakan
Visualisasi data interaktif
Mengidentifikasi kerusakan jalan di Desa Sidodadi menggunakan data orthophoto hasil UAV.
Menghitung jumlah kerusakan (secara manual dan deep learning YOLO) serta mengevaluasi akurasinya menggunakan indeks IOU.
Mengurangi drastis kebutuhan survei lapangan secara manual untuk mencatat kerusakan jalan desa.
Menyediakan database spasial bagi perangkat Desa Sidodadi dan Dinas PUPR Kabupaten Pesawaran.
Membantu menentukan prioritas alokasi dana perbaikan infrastruktur jalan secara objektif.
Kecamatan teluk pandan, Kabupaten Pesawaran, Lampung sebagai representasi infrastruktur nyata.
Pengambilan orthophoto resolusi tinggi menggunakan drone di wilayah desa sidodadi.
Jalan desa di Sidodadi memberikan variasi sampel kerusakan ideal (lubang & retak) untuk diuji coba.
