Perpustakaan Digital ITB

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.