Deskripsi
Monitoring kondisi infrastruktur dalam mendeteksi retakan pada permukaan beton bangunan masih banyak dilakukan secara manual sehingga memerlukan waktu yang lama, biaya tinggi, serta berpotensi menghasilkan penilaian yang subjektif dan tidak konsisten. Permasalahan ini mendorong perlunya pengembangan sistem monitoring retakan yang mampu bekerja secara otomatis, cepat, dan akurat. Penelitian ini bertujuan merancang dan mengimplementasikan aplikasi monitoring retakan infrastruktur berbasis pengolahan citra digital dengan memanfaatkan algoritma YOLOv11 dan platform Roboflow. Dataset yang digunakan berjumlah 4.028 citra retakan yang dikumpulkan dari Roboflow Universe dan Google Images, kemudian diproses melalui tahapan anotasi polygon dan augmentasi data menggunakan platform Roboflow. Pelatihan model dilakukan sebanyak 300 epoch menggunakan Google Colaboratory dengan framework Ultralytics YOLOv11 pada GPU Tesla T4, menghasilkan file model terbaik dalam format best.pt yang selanjutnya diserahkan kepada tim pengembang untuk diintegrasikan ke dalam sistem monitoring berbasis aplikasi Android yang menerima input citra dari kamera drone. Hasil pengujian menunjukkan bahwa model YOLOv11n-seg yang dikembangkan mencapai nilai precision sebesar 80.2%, recall sebesar 67.7%, mAP@50 sebesar 67.1%, serta nilai F1 optimal sebesar 0.74 pada confidence threshold 0.663. Hasil tersebut mengindikasikan bahwa model yang dikembangkan mampu mendeteksi dan mensegmentasi retakan pada permukaan beton bangunan secara akurat dan dapat menjadi solusi yang lebih efisien dibandingkan metode inspeksi manual yang
