Deteksi Tanda-Tanda Kehidupan Pada Korban Bencana Alam Dengan Bantuan UAV Menggunakan Algoritma YOLO Dan MoveNet Thunder
Abstrak
Abstrak— Bencana alam merupakan peristiwa alam yang mengakibatkan dampak besar bagi kehidupan manusia yang datang secara tiba-tiba dan tidak dapat dihindari oleh siapapun. Bencana alam juga dapat merusak dan menghancurkan bangunan sehingga pada pasca bencana alam seperti gempa bumi, tanah longsor, tsunami dan lain-lain, pencarian jalur darat terhambat karena permukaan daratan yang tidak stabil dan medan yang sulit dijangkau oleh Tim SAR (search and rescue). Pada penelitian ini menghasilkan output sistem pendeteksi korban bencana alam yang masih hidup atau tidak. Dalam pelaksanaannya, metode YOLO digunakan dalam penelitian ini untuk mengidentifikasi korban bencana alam. Dataset yang digunakan untuk mendeteksi korban bencana adalah dataset custom yang berisikan kurang lebih 400 gambar kelas manusia dengan berbagai pose. Algoritma yang digunakan untuk mendeteksi adanya korban atau tidaknya menggunakan metode You Only Look Once (YOLO) versi 5 yang dimana memiliki nilai cukup tinggi 90,75% untuk dapat mendeteksi objek manusia. Setelah dapat dideteksi manusia kemudian sistem akan melanjutkan pendeteksian hidup atau mati melalui titik skeleton yang ditentukan menggunakan Tensorflow MoveNet dengan akurasi 100% dari 14 video yang dicoba.
Kata kunci— Bencana Alam , Object Detection, Computer Vision, You Only Look Once (YOLO), Tensorflow, MoveNet
Referensi
REFERENSI
Suprayitno dan Aryani Soemitro,
tentang Prinsip Tindakan Mitigasi Preventif Resiko
Bencana Alam bagi Manajemen Aset Infrastruktur &
Fasilitas= Jurnal Manajemen Aset Infrastruktur &
Fasilitas – Vol. 3, Edisi Khusus 1, Maret 2019.
Rizki Wahyudi dan Tri Astuti,
Geografis (SIG) Pemetaan Bencana Alam Kabupaten
Banyumas Berbasis Web= Jurnal Teknologi dan
Informasi – Vol. 9, Edisi Maret 2019.
Juju Jumadi, Yupianti dan Devi Sartika,
Citra Digital Untuk Identifikasi Objek Menggunakan
Hierarchical Agglomerative Clustering= Jurnal Sains
dan Teknologi – Vol. 10, Tahun 2021.
L. Mi-young, L. Joo-hyun, K. Jin-kyu, K. Byung-jo, dan
K. Ju-yeob
Compressed CNN Networks in a HW CNN Accelerator
Model= Jurnal IEEE International SoC Design
Conference (ISOCC) tahun 2019.
S. Moechammad, M. Nainul
You Only Look Once (YOLO) Untuk Deteksi Korban
Bencana Alam= Jurnal Teknologi Informasi dan Ilmu
Komputer (JTIIK) – Vol. 8 no 4, Agustus 2021.
A. Qurotul, L. Ninda, K. Hendra, Z. Muhammad Suzaki
Learning : Model YOLO= Journal of Computer
Engineering System and Science – Vol.6 No. 2, Juli
K. Nur, S. Judi Prajetno
Pada Rangkaian Listrik dalam PCB Menggunakan
Metode Convolutional Neural Network (CNN),= Jurnal
Sistem Cerdas dan Rekayasa (JSCR), Volume 3, Nomor
, Tahun 2021.
N. Upesh, E. Hossein
Yolov5 for Autonomous Landing Spot Detection in
Faulty UAVs= Article Diakses 4 Februari 2023.
J. Beomjun, K. Seongki
OpenPose, PoseNet, and MoveNet Models for Pose
Estimation in Mobile Devices= Journal of IIETA – Vol.
, no 1, Februari 2022.
P. Awang Hendrianto, K. Wilis, M. Siti
Algoritma Region of Interest (ROI) untuk Meningkatkan
Performa Algoritma Deteksi dan Klasifikasi Kendaraan Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK),
Vol. 7 No. 1, Februari 2020.
I. W. Saputro, B. W. Sari
Bayes untuk Prediksi Masa Studi Mahasiswa,= Citec
Journal, Vol. 6, No. 1, Januari 2019 ISSN: 2460-4259.