Algoritma Pendeteksian Korban pada Robot SAR

Bryan Jahanto, Michael (2024) Algoritma Pendeteksian Korban pada Robot SAR. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (816kB)
	PDF BAB_I.pdf Download (137kB)
	PDF BAB_II.pdf Download (125kB)
	PDF BAB_III.pdf Download (8MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (124kB)
	PDF DAFTAR_PUSTAKA.pdf Download (129kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (315kB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (50kB)

Abstract

Bencana alam seringkali menimbulkan kerusakan pada infrastruktur yang berdampak buruk pada kegiatan masyarakat. Tidak jarang, bencana alam menimbulkan korban jiwa. Perlu ada upaya evakuasi yang dilakukan oleh petugas SAR (Search and Rescue). Akan tetapi, rusaknya infrastruktur dapat menghambat proses evakuasi. Maka dari itu, dibuatlah robot SAR Tempest yang dapat melewati rintangan, seperti : jalan pecah, lumpur, bidang miring, dan tangga. Robot SAR perlu dibekali dengan kemampuan pengolahan citra untuk mendeteksi korban. Hal tersebut bertujuan untuk menambah efektivitas dari robot SAR. Pendeteksian korban pada robot SAR perlu memiliki akurasi yang tinggi. Selain itu, proses komputasi juga perlu menghasilkan framerate per second (FPS) yang memadai. Pengujian perlu dilakukan untuk melihat akurasi serta performa dari algoritma yang digunakan. Algoritma yang digunakan akan berbasis one-stage detector yang lebih optimal untuk aplikasi secara waktu nyata. Algoritma YOLO (You Only Look Once) akan digunakan pada robot SAR Tempest, akan tetapi perlu dilakukan pengujian performa pada YOLOv5 dan YOLOv8. Diperoleh YOLOv8 memiliki akurasi dan performa yang lebih optimal jika dibandingkan dengan YOLOv5. Pada pengujian tercatat YOLOv8 memiliki nilai F1 score sebesar 1 dengan nilai confidence level sebesar 0.819.

Item Type:	Thesis (MBKM)
Keywords:	SAR, Pengolahan Citra, Akurasi, FPS, YOLO
Divisions:	Faculty of Engineering & Informatics > Electrical Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	07 Nov 2024 07:06
Last Modified:	07 Nov 2024 07:06
URI:	https://kc.umn.ac.id/id/eprint/32701

Actions (login required)

View Item