Klasifikasi Retak Ban Kendaraan Menggunakan Arsitektur ResNet50

Ban adalah salah satu komponen penting yang hampir adapada semua kendaraan. Ban berfungsi untuk meneruskanfungsi pengereman serta memberikan kenyamanan kepadapengguna. Seiring usia ban yang sering digunakan dapatmengalami kerusakan yang disebabkan oleh berbagai faktorseperti jalan yang dilalui ataupun cuaca yang diterima olehban kerndaraan. Retak pada ban merupakan salah satukerusakan yang dapat terjadi pada ban dimana hal ini dapatmenjadi sebuah tanda dimana ban yang digunakan telahkehilangan sifat lenturnya. Ban yang telah mengalamipenurunan pada kelenturannya menandakan bahwa traksiyang dimiliki ban berkurang sehingga jika diabakan dapatmenjadi sumber potensi kecelakaan pengendara. Perawatanyang tepat pada ban sangat diperlukan sehingga ban yangdigunakan dapat dalam keadaan optimal sehingga tidak akanmelukai pengendara. Dalam proses perawatan ban kendaraansaat ini masih dilakukan secara manual yang bergantung kemata telanjang manusia sehingga dapat terjadi kemungkinanhuman error. Pada penelitian ini dilakukan pengembanganmodel dimana untuk melakukan klasifikasi terhadap bankendaraan yang retak sebagai upaya mengurangikemungkinan human error. Model yang dibangunmenggunakan arsitektur ResNet50 yang merupakan salahsatu arsitektur CNN yang merupakan algoritma dalam deeplearning. Arsitektur ResNet50 menggunakan model TransferLearning dimana model tidak memerlukan pelatihan ataupenyesuaian layer. Dari 6 skenario parameter tunning yangdilakukan model mendapat nilai terbaik untuk akurasi 94%,presisi 94% dan recall 94%.