Perpustakaan Digital ITB

Dengan perkembangan teknologi Remote and Virtual Control Tower (RVT), diharapkan teknologi ini dapat menggantikan Air Traffic Control Tower (ATC) konvensional, karena tren penerbangan yang semakin meningkat, sementara perluasan bandara dan menara dapat menjadi sangat mahal. Namun, teknologi RVT yang ada masih bergantung pada Infrared/Thermal Vision untuk penglihatan visibilitas rendah, sehingga biaya, keamanan, dan efektivitas dalam pekerjaan ATC tidak dapat ditingkatkan. Oleh karena itu, tugas akhir ini bertujuan untuk mengatasi masalah ini dengan meningkatkan kemampuan model kecerdasan buatan untuk melacak pergerakan pesawat di bandara dalam kondisi visibilitas tinggi maupun rendah, dengan menyesuaikan teknik sesuai dengan kondisi tersebut. Pendekatan yang digunakan adalah metode transfer learning, menggunakan teknik CLAHE dengan parameter yang dioptimalkan untuk meningkatkan visibilitas, sementara algoritma YOLOv8-ByteTrack digunakan untuk mendeteksi dan melacak pergerakan yang ada yang menghasilkan mAP(@50) sebesar 99% dan 95,9% untuk model visibilitas tinggi dan visibilitas rendah.