Selestino Bernard Kroon Pengarang YULIANTO TRIWAHYUADI POLLY Dosen Pembimbing 1 ADRIANA FANGGIDAE Dosen Pembimbing 2 Arfan Yeheskiel Mauko Ketua Penguji Derwin Rony Sina Penguji 1 Yelly Yosiana Nabuasa Ketua Penguji

Sistem klasifikasi citra tingkat keparahan kerusakan bodi mobil dibutuhkan untuk memudahkan dan mempercepat proses klasifikasi citra kerusakan bodi mobil. Salah satu metode klasifikasi citra yang bisa digunakan adalah dengan implementasikan Convolutional Neural Network (CNN). Sistem klasifikasi tingkat kerusakan kendaraan mobil saat ini masih dilakukan secara manual dari pihak terkait seperti Polisi Lalu Lintas/Polantas, pihak asuransi kendaraan, dan juga informasi dari warga sekitar tempat kejadian perkara, yang dapat memakan cukup lama. Oleh karena itu dibutuhkan sistem klasifikasi tingkat kerusakan kendaraan mobil yang cukup akurat dan efisien, sehingga dapat meningkatkan produktivitas serta mengurangi biaya operasional dalam proses pengklasifikasian. Penelitian ini menggunakan 5 model CNN, yaitu 1 model CNN dasar (Baseline CNN), dan serta pretrained model berupa VGG19, ResNet50, DenseNet121, dan InceptionV3. Masing-masing model CNN diuji menggunakan Confusion Matrix sehingga menghasilkan nilai akurasi, precision, recall, dan F1-Score. Data citra kerusakan bodi mobil yang digunakan dalam penelitian sebanyak 1383 data latih, 248 data validasi, serta 150 data uji sekunder dan 27 data uji primer. Data citra kerusakan bodi mobil kemudian diklasifikasikan menjadi 3 kelas, yaitu Minor (kerusakan kecil), Moderate (kerusakan sedang), dan Severe (kerusakan parah). Hasil pengujian mendapatkan pretrained model InceptionV3 dengan nilai akurasi validasi dan pengujian tertinggi, serta rata-rata hasil Precision, Recall, dan F1-score tertinggi dibandingkan model CNN lainnya.