Decision support system untuk mengetahui jalan berlubang menggunakan Augmentasi Citra berbasis Watershed dan PCA Clustering

INDONESIA:

Jalan berlubang merupakan salah satu bentuk kerusakan infrastruktur yang dapat membahayakan keselamatan pengguna jalan serta menghambat kelancaran lalu lintas. Proses identifikasi kerusakan jalan secara manual membutuhkan waktu dan sumber daya yang besar serta rentan terhadap kesalahan manusia. Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan berbasis pengolahan citra digital untuk mendeteksi dan mengelompokkan tingkat kerusakan jalan berlubang secara otomatis dan efisien. Metode yang digunakan adalah augmentasi citra menggunakan teknik image space transformation, segmentasi dengan algoritma Watershed, serta pengelompokan hasil segmentasi menggunakan Principal Component Analysis (PCA). PCA digunakan untuk mereduksi dimensi data citra dan mengelompokkan tingkat kerusakan menjadi tiga kategori: ringan, sedang, dan berat. Evaluasi dilakukan menggunakan metode Silhouette Score untuk menilai kualitas clustering. Hasil pengujian menunjukkan bahwa kombinasi metode Watershed dan PCA mampu menghasilkan klasifikasi kerusakan jalan, dengan konfigurasi optimal pada pengelompokan tiga cluster. Sistem ini diharapkan dapat menjadi solusi efektif dalam membantu pihak berwenang melakukan penilaian dan perbaikan jalan secara tepat sasaran.

ENGLISH:

Potholes are one of the most common types of road damage that can endanger road users and disrupt traffic flow. Manual identification of road damage is time-consuming, labor-intensive, and prone to human error. This study aims to develop a Decision Support System (DSS) based on digital image processing to automatically and efficiently detect and classify the severity of pothole damage. The proposed method involves image augmentation using image space transformation techniques, segmentation using the Watershed algorithm, and clustering using Principal Component Analysis (PCA). PCA is applied to reduce the dimensionality of image data and categorize road damage into three levels: minor, moderate, and severe. Evaluation is conducted using the Silhouette Score to assess the clustering performance. The results show that the combination of Watershed and PCA methods can effectively classify road damage, with optimal clustering achieved using three clusters. This system is expected to serve as an effective solution to assist authorities in making accurate and timely road maintenance decisions.

ARABIC:

الحفر هي شكل من أشكال أضرار البنية التحتية التي يمكن أن تعرض سلامة مستخدمي الطرق للخطر وتعيق التدفق السلس لحركة المرور. وتتطلب عملية تحديد أضرار الطرق يدويًا قدرًا كبيرًا من الوقت والموارد وهي عرضة للخطأ البشري. يهدف هذا البحث إلى تطوير نظام لدعم اتخاذ القرار يعتمد على معالجة الصور الرقمية لاكتشاف وتصنيف مستوى الأضرار التي لحقت بالحفر بشكل آلي وفعال. تتمثل الطرق المستخدمة في زيادة الصور باستخدام تقنية تحويل فضاء الصورة، والتجزئة باستخدام خوارزمية مستجمعات المياه، وتجميع نتائج التجزئة باستخدام تحليل المكونات الرئيسية (PCA). يُستخدم PCA لتقليل أبعاد بيانات الصورة وتصنيف مستوى التلف إلى ثلاث فئات: خفيفة ومتوسطة وثقيلة. تم إجراء التقييم باستخدام طريقة ”نقاط الصورة الظلية“ لتقييم جودة التجميع. أظهرت نتائج الاختبار أن الجمع بين طريقتَي مستجمعات المياه والتحليل متعدد الكلور قادر على إنتاج تصنيف الأضرار التي لحقت بالطرق، مع التكوين الأمثل في ثلاث مجموعات عنقودية. من المتوقع أن يكون هذا النظام حلاً فعالاً في مساعدة السلطات على إجراء تقييم وإصلاح الطرق المستهدفة