PENDETEKSI KERUSAKAN TALI BAJA ELEVATOR BERBASIS PENGOLAHAN CITRA DENGAN TEKNOLOGI DEEP LEARNING METODE INCEPTION V3

Elevator menjadi alat transportasi utama untuk akses mobilitas pada gedung bertingkat. Beberapa kasus fatal pada elevator disebabkan putusnya tali baja. Tali baja yang sangat vital perannya sebagai komponen pada elevator hanya dilakukan pengecekan visual untuk mengetahui kerusakan. Penelitian ini untuk membuat sistem pendeteksi kerusakan tali baja pada elevator. Penelitian dimulai dengan permasalahan yaitu membuat sistem pendeteksi kerusakan tali baja elevator, mengolah citra menjadi dataset, dan mendapatkan model yang dapat menghasilkan nilai prediksi tinggi. Dataset diperoleh dengan mengumpulkan citra tali baja elevator berjumlah 2000 citra dan terbagi menjadi 4 kelas, yaitu normal, broken, wear, dan rust. Pengunaan deep learning erat kaitannya dengan identifikasi citra yang mampu menghasilkan nilai akurasi lebih tinggi daripada machine learning. Model Deep CNN Inception V3 menggunakan metoda transfer learning yang efektif dalam perhitungan untuk memprediksi citra. Hasil akurasi model yang didapatkan adalah sebesar 90 persen pada learning rate : 0,00001; Batch size : 32 ; Epoch : 50, dan aplikasi pendeteksi mampu mendeteksi saat kondisi normal juga kerusakan, seperti broken, rust, wear serta memberikan rekomendasi perbaikan (prescriptive).