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 |