Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPemetaan potensi sumber daya pulau kecil membutuhkan informasi spasial skala detail yang dapat diperoleh dengan cepat. Teknologi penginderaan jauh citra satelit resolusi tinggi yang umum digunakan memiliki beberapa kendala seperti ketersediaan data, tingginya biaya pembelian data, serta adanya hambatan lainnya seperti tutupan awan. Tesis ini melakukan kajian tentang pemanfaatan Unmanned Aerial Vehicle (UAV) untuk pemetaan sumberdaya pesisir dan laut pulau kecil sebagai solusi alternatif pengganti citra satelit resolusi tinggi. Kajian dilaksanakan dengan studi kasus di Pulau Pramuka, Kab. Kepulauan Seribu, DKI Jakarta. Akuisisi data dilaksanakan pada bulan April 2015 dimana dihasilkan citra orthofoto dan model permukaan digital dengan resolusi spasial 10 cm. Analisis data dilakukan dengan menggunakan pendekatan berbasis obyek yang dibandingkan dengan pengolahan citra satelit Worldview-2. Sebagai validator digunakan data survei lapangan pada bulan Juni 2015. Hasil klasifikasi penutup lahan pulau kecil dengan menggunakan UAV memiliki nilai akurasi sebesar 94 % dan habitat perairan dangkal dengan kelas kerapatan sebesar 54 % dan tanpa kelas kerapatan sebesar 68 %. Nilai akurasi citra Worldview-2 untuk penutup lahan sebesar 60 % dan habitat perairan dangkal dengan kelas kerapatan sebesar 38 % dan tanpa kelas kerapatan sebesar 56 %.Hasil uji akurasi menunjukkan bahwa pengunaan data UAV memberikan hasil lebih baik dibandingkan menggunakan citra satelit Worldview-2. Perbedaan hasil akurasi disebabkan karena perbedaan resolusi spasial, perbedaan informasi tambahan (model permukaan digital), dan adanya efek kilatan pada Worldview-2. UAV memiliki kelebihan dalam akuisisi data yang cepat, resolusi spasial yang sangat tinggi dan adanya data model permukaan digital dibandingkan dengan citra satelit Worldview-2, namun memiliki kekurangan dalam resolusi spektral yang rendah, resiko pada wahana, dan kebutuhan sumberdaya manusia dalam operasional wahana. Pemanfaatan data UAV untuk pemetaan sumberdaya pesisir dan laut pulau kecil dapat menjadi pengganti penggunaan citra satelit yang umum digunakan.

---

ABSTRACT

Mapping of potential resources on small islands requires very detail spatial information that can be obtained quickly. Remote sensing technology of highresolution (multispectral) satellite imagery which is commonly used has several constraints such as high cost and availability data as well as cloud coverage. This research was conducted in order to study the use of Unmanned Aerial Vehicle (UAV) for mapping coastal and marine resources of small islands as an alternative solution to high-resolution satellite imagery. The research was conducted based on a case study at Pulau Pramuka, Kab. Kepulauan Seribu, DKI Jakarta. The primary data was obtained through an aerial survey carried out on April 2015 where 10 cm spatial resolution of orthofoto imagery and digital surface model were generated. To point out the remarkable use of UAV for coastal and marine resources mapping, a set of Worldview-2 digital imagery was also used for comparison. Both data analysis were performed using an object-based approach to produce land cover and shallow water habitat classes. Furthermore, field check data on June 2015 were used to validate the classification result. The thematic accuracy of land cover classification using UAV was 94%, and shallow water habitat classification with and without density class respectively were 54% and 68%, respectively. In the other hand, the thematic accuracy of Worldview-2 for land cover lassification was 60%, and shallow water habitats classification with and without density class respectively were 38% and 56%, respectively.

Accuracy assessment value showed that the use of UAV data gave better results than Worldview-2 satellite imagery. Differences in accuracy assessment results were due to the differences in spatial resolution, additional information such as digital surface model, and sunglint effect on Worldview-2. The UAV method have more advantages in rapid data acquisition, very high spatial resolution, and digital surface model data compared to Worldview-2 imagery, but lack of spectral resolution quality, the vehicle risk, and a specific human resources skill for operating the vehicle. The UAV data utilization for mapping coastal and marine resources of small island can become a substitute for the use of common satellite imagery."

"Sistem deteksi korban SAR menggunakan UAV semakin mendapat perhatian penting dalam kegiatan SAR karena manfaatnya yang signi kan. UAV itu sendiri merupakan entitas Internet of Things (IoT). IoT pada umumnya memiliki resource komputasi yang terbatas, sehingga mengintegrasikan teknologi machine learning menjadi sebuah tantang- an. Untuk mengatasi masalah ini, pendekatan fog computing yang menempatkan re- source komputasi tambahan di dekat UAV dapat menjadi solusi yang potensial. Selain itu, model komunikasi publish/subscribe diperlukan untuk memungkinkan penggunaan lebih dari satu UAV. Dengan begitu, resource komputasi tambahan menjadi tidak terlalu dibu- tuhkan. Penelitian ini mengusulkan sistem deteksi korban SAR menggunakan UAV yang merupakan hasil adaptasi terhadap sistem FogVerse yang diusulkan oleh Basyar (2022). FogVerse adalah sistem smart-CCTV berbasis fog computing, menggunakan Kafka, se- buah alat yang menunjang model komunikasi publish/subscribe dan diintegrasikan de- ngan YOLOv5 untuk melakukan object detection. Penelitian ini juga bertujuan untuk mengukur kinerja sistem usulan dalam hal latency dan FPS pada konteks kegiatan SAR. Penelitian dilakukan secara quasi-eksperimental. Eksperimen dilakukan pada berbagai skenario, yaitu pengujian sistem secara lokal dan dengan bantuan cloud resource. Hasil eksperimen menunjukkan bahwa sistem yang diusulkan berhasil mengadaptasi FogVerse dengan latency kurang dari 1 detik pada skenario lokal dan kurang dari 5 detik pada ske- nario dengan bantuan cloud resource. Hasil tersebut lebih unggul dibandingkan dengan performa sistem FogVerse milik Basyar (2022) yang memiliki latency lebih dari 1 de- tik untuk skenario lokal. Untuk skenario dengan bantuan cloud resource, nilai latency FogVerse kurang lebih serupa, namun perlu diperhatikan bahwa FogVerse lebih banyak menggunakan wired communication, sedangkan sistem usulan penulis melibatkan lebih banyak wireless communication. Sehingga, performa sistem usulan memiliki latency lebih baik. Selain itu, sistem usulan memiliki nilai FPS lebih dari 9 FPS pada setiap skenario. Oleh karena itu, sistem usulan juga lebih baik daripada sistem deteksi korban SAR menggunakan UAV yang diusulkan oleh Martinez-Alpiste, Golcarenarenji, Wang, dan Alcaraz-Calero (2021), yang memiliki nilai FPS sebesar 6.8 FPS. Penelitian ini mem- berikan kontribusi dalam pengembangan sistem deteksi korban SAR menggunakan UAV yang e sien dan berpotensi membantu mewujudkan kegiatan SAR yang lebih baik.

---

SAR victim detection system using UAV has garnered signi cant attention due to its sub- stantial bene ts. UAV itself is an Internet of Things (IoT) entity. IoT often has limited computational resources, so integrating machine learning technologies become a chal- lenge. To address this issue, the fog computing approach, the approach in which addi- tional computational resources are placed near UAVs, emerges as a potential solution. Moreover, implementing the publish/subscribe communication model is necessary to en- able the use of multiple UAVs. By that, additional computation resources are not really needed. In this study, the author proposes an adaptation of the FogVerse system intro- duced by Basyar (2022) for the SAR victim detection system using UAV. FogVerse is a smart-CCTV system leveraging fog computing, utilizing Kafka, a tool that supports pub- lish/subscribe communication model and is integrated with YOLOv5 for object detec- tion. The research aims to evaluate the system’s performance in terms of latency and FPS within the context of SAR activities. The research was conducted in a quasi-experimental manner. Experiments are conducted with various scenarios, namely local testing and test- ing with cloud resource utilization. The experimental results demonstrate the successful adaptation of the proposed system, achieving latency of less than 1 second in the local scenario and less than 5 seconds in the cloud-assisted scenario. These results outperform Basyar’s (2022) FogVerse system, which exhibits latency exceeding 1 second in the local scenario. While the cloud-assisted scenario shows similar latency values for both Fog- Verse and the proposed system. It is noteworthy that the proposed system relies more on wireless communication, while FogVerse relies more on wired communication. So, the proposed system has better latency performance. Additionally, the proposed system achieves an FPS value of over 9 in all scenarios, surpassing the FPS of 6.8 exhibited by the SAR victim detection system using the UAV proposed by Martinez-Alpiste et al. (2021). This research contributes to the development of an ef cient SAR victim detection system using UAV and has the potential to enhance SAR activities."