Sifa Nurpadillah, M.Si., M.T. Dosen Pembimbing 1 Bambang Sugiarto, ST., M.Si Dosen Pembimbing 1 Acep Hasan Sobari Dosen Pembimbing 1

Indonesia memiliki tingkat kerentanan tinggi terhadap bencana tanah longsor, di mana retakan tanah sering menjadi indikator awal pergerakan tanah. Metode pemantauan konvensional, seperti inspeksi visual, memiliki keterbatasan dari segi akurasi, waktu, dan biaya, sehingga kurang efektif untuk deteksi dini. Penelitian ini bertujuan mengembangkan prototipe sistem deteksi retakan tanah berbasis Raspberry Pi 4 dengan dukungan machine learning dan komunikasi GSM untuk memberikan notifikasi secara otomatis. Pada tahap awal, proses segmentasi citra dilakukan menggunakan metode Otsu, sedangkan ekstraksi fitur tekstur memanfaatkan Gray Level Co-occurrence Matrix (GLCM). Namun, kombinasi ini belum menghasilkan akurasi optimal. Untuk meningkatkan kinerja, arsitektur Convolutional Neural Network (CNN) digunakan sebagai feature extractor, yang mampu merepresentasikan pola visual retakan secara adaptif dan kompleks. Fitur yang dihasilkan CNN kemudian diklasifikasikan menggunakan algoritma Support Vector Machine (SVM) yang unggul dalam pemisahan kelas berdimensi tinggi. Sistem dikembangkan untuk mengklasifikasikan citra menjadi empat kelas: tidak retak, retak kecil, retak sedang, dan retak besar. Pengujian dilakukan menggunakan 4.000 citra dengan hasil akurasi validasi 99,5% dan akurasi pengujian 99,81%. Sistem mampu mengirimkan peringatan melalui SMS ketika mendeteksi retakan sedang dan besar. Uji coba lapangan pada media tanah berukuran 1 m ? 1 m ? 50 cm menunjukkan sistem dapat mengenali pola retakan secara konsisten pada kondisi pencahayaan alami. Dengan demikian, prototipe ini berpotensi menjadi solusi efisien untuk deteksi dini retakan tanah sebagai upaya mitigasi risiko longsor. Pengujian dilakukan menggunakan 4.000 citra dengan hasil akurasi validasi 99,5% dan akurasi pengujian 99,81%. Sistem mampu mengirimkan peringatan melalui SMS ketika mendeteksi retakan sedang dan besar. Uji coba lapangan pada media tanah berukuran 1 m ? 1 m ? 50 cm menunjukkan sistem dapat mengenali pola retakan secara konsisten pada kondisi pencahayaan alami. Dengan demikian, prototipe ini berpotensi menjadi solusi efisien untuk deteksi dini retakan tanah sebagai upaya mitigasi risiko longsor.