Perpustakaan Digital ITB

Salah satu komponen penting yang menyusun sistem rel kereta api adalah penambat rel. Komponen ini memiliki fungsi untuk mengikatkan badan rel dengan bantalan rel sehingga mampu mengurangi efek dislokasi atau pergeseran dinamis dari badan rel ketika kereta api melintasi rel tersebut. Akan tetapi, penambat rel menjadi komponen yang sering hilang. Hal tersebut diakibatkan karena pemakaian berlebihan yang dapat menyebabkan penambat tersebut rusak dan terlepas dari badan rel atau fakta bahwa penambat rel menjadi salah satu komponen yang kerap dicuri maling. Oleh karena itu, inspeksi penambat rel secara rutin menjadi hal yang penting untuk meminimalisasi kecelakaan kereta api. Saat ini, kegiatan inspeksi komponen penambat rel masih menggunakan metode inspeksi secara manual dengan menggunakan mata telanjang. Metode tersebut tentunya tidak efektif dan efisien dikarenakan total panjang rel di Indonesia yang melebih 6000 km sehingga butuh waktu yang lama, sumber daya manusia yang tinggi, dan tendensi untuk menghasilkan eror yang besar. Visi komputer merupakan teknologi yang mereplika fungsi mata manusia dengan menggunakan kamera yang berfungsi untuk mencitrakan penambat. Data citra penambat tersebut diolah oleh komputer atau single board processor untuk dihasilkan keputusan mengenai kelengkapan dari penambat rel. Convolutional Neural Network merupakan salah satu metode dari visi komputer yang menggunakan pendekatan kecerdasan buatan. Metode ini melakukan proses konvolusi dan reduksi dimensi untuk mengektraksi fitur penting dari citra penambat. Fitur-fitur tersebut akan dilakukan proses klasifikasi oleh Multi Layer Perceptron (MLP) untuk dihasilkan prediksi. Pada pengerjaan tugas akhir ini, metode CNN mampu menghasilkan nilai yang tinggi pada keseluruhan matrik evaluasi. Model CNN yang dirancang mampu menghasilkan 98,6% untuk akurasi pengujian; recall 99,60%; presisi 97,80%; f1-score 98,80%; specificity 99,27%; negative predictive value 95,76%. Arsitektur model tersebut terdiri dari empat convolutional layer, empat maxpooling layer, dan tiga hidden layer. Kata kunci: Sistem rel kereta, Convolutional Neural Network, penambat rel, visi komputer.?