18119027_Roro Zahra Layungsari K.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Letak Indonesia yang berada di dalam gugusan gunung api menjadikan wilayahnya
sangat rentan terhadap bencana alam yang diakibatkan oleh tabrakan lempeng
tektonik, seperti gempa bumi. Salah satu objek yang terdampak saat gempa bumi
melanda Indonesia adalah bangunan. Kerusakan bangunan yang diakibatkan oleh
gempa bumi dapat dimitigasikan dengan suatu pemodelan risiko bencana yang
dapat membandingkan kondisi sebelum dan sesudah terjadinya bencana.
Komparasi tersebut dapat memberikan informasi terkait skala bencana yang terjadi
dengan melihat perbedaan keadaan bangunan sebelum dan setelah terjadinya
bencana. Pengetahuan ini dapat kemudian dimanfaatkan oleh pihak berwenang
untuk mengestimasikan jumlah dan jenis bangunan terdampak bencana, serta upaya
rekonstruksi yang diperlukan. Salah satu proses yang dibutuhkan dalam pemodelan
risiko bencana adalah pemetaan bangunan yang memuat pendeteksian dan
pengklasifikasian bangunan. Namun, proses ini membutuhkan waktu yang lama,
terutama untuk wilayah yang luas. Oleh karena itu, dibutuhkan suatu skema yang
dapat mengotomasikan proses ini.
Penelitian ini mengembangkan sebuah sistem pendeteksi dan pengklasifikasi
bangunan yang diintegrasikan dalam suatu aplikasi berbasis web. Sistem ini
menerima masukan citra satelit dan memprosesnya menjadi suatu keluaran yang
memuat hasil deteksi bangunan. Hasil deteksi bangunan ini diintegrasikan dengan
subsistem klasifikasi bangunan. Subsistem klasifikasi bangunan menetapkan
bangunan berdasarkan tipe huninya, residensial dan nonresidensial. Subsistem ini
memanfaaatkan model machine learning performa terbaik yanng dipilih
berdasarkan hasil komparasi model EfficientNetB7, MobileNetV2, dan VGG16.
Model-model ini di-train masing-masing menggunakan dataset Beauty dan UK
Building Facade dan dioptimasi menggunakan optimizer Adam. Proses training
yang dilakukan pada setiap model menghasilkan nilai precision, recall, dan skor F1
yang menjadi bahan tinjauan dalam perbandingan performa ketiga model. Hasil
yang diperoleh dari pengujian ini menyatakan bahwa model MobileNetV2 yang
diolah menggunakan dataset Beauty merupakan model dengan performa paling
baik di antara model dan variasi dataset lainnya.
Tahap pengembangan aplikasi berbasis web yang dilakukan dalam penelitian ini
mencakup proses pembentukan user interface dari sistem yang dibuat. User
ii
interface dirancang dengan membuat komponen frontend yang mendefinisikan
struktur dan desain pada halaman web. Pengujian terhadap komponen ini dilakukan
untuk mengetes fungsionalitas dan responsivitasnya terhadap perubahan dan
masukan dari pengguna. Hasil pengujian ini menunjukkan bahwa komponen
frontend dapat berjalan dengan baik.