Perpustakaan Digital ITB

Sistem Peringatan Dini Tsunami atau Tsunami Early Warning System (TEWS) bekerja mengandalkan sebuah pelampung khusus atau pelampung permukaan di permukaan laut yang terhubung dengan perangkat deteksi tsunami berbasis sensor tekanan air di dasar laut melalui komunikasi akustik untuk mendeteksi potensi terjadinya gelombang tsunami. Namun, kendala yang signifikan terhadap sistem ini adalah gangguan kebisingan yang ditimbulkan dari propeler kapal yang mendekati lokasi pelampung permukaan yang nilai kebisingannya dapat melebihi nilai kebisingan yang dapat ditoleransi oleh modem akustik pada pelampung permukaan. Dalam penelitian ini, dicari sebuah metoda pengenalan objek permukaan laut yang akurat menggunakan convolutional neural network aktual yang tidak memerlukan proses komputasi yang tinggi sehingga dapat berjalan pada sebuah sistem tertanam komputer papan tunggal dengan konsumsi catu daya yang rendah. Informasi dari komputer visi cerdas ini nantinya akan digunakan sebagai tanda peringatan bagi kapal yang mendekat agar menjauh dari lokasi Pelampung permukaan dan juga memberikan informasi ke Pusat Data Tsunami akan kehadiran kapal asing yang mengganggu kinerja dari TEWS. Sebuah model jaringan pendeteksi objek permukaan untuk kendaraan permukaan air tanpa awak atau Unmanned Surface Vehicle (USV) terbaik saat ini bernama Temporal Context Water Segmentation and Refinement Martime Obsctacle Detection Network atau WaSR-T dianalisis untuk dapat digunakan pada TEWS sebagai sebuah perangkat sistem visi komputer yang dapat memindai kondisi disekitar buoy untuk mengamati kapal yang mendekat. Meskipun memiliki kinerja yang sangat baik untuk USV dalam mengenali objek permukaan untuk keperluan navigasi, jaringan WaSR-T masih memerlukan proses komputasi yang tinggi. Untuk TEWS diperlukan sebuah jaringan yang lebih ringan dengan keseimbangan antara ketelitian mendeteksi kapal yang mendekati TEWS dan proses komputasi yang ringan sebagai bagian integral dari sistem visi komputer cerdas di laut terbuka. Berdasarkan analisis, kami mengusulkan modifikasi jaringan WaSR-T yang ada dengan penggantian tahapan komputasi paling intensif pada jaringan ini yaitu pada proses enkode menggunakan ResNet dengan jaringan yang lebih ringan yang disebut jaringan WaSR-T Ringan. Dengan menggunakan modul enkode yang lebih ringan maka proses komputasi dapat dijalankan pada perangkat sistem tertanam atau pada sebuah komputer papan tunggal yang lebih ringan dengan kinerja yang baik untuk melakukan proses klasifikasi dan pemberian label setiap piksel pada citra yang direkam sebagai sebuah objek kapal, awan atau permukaan laut. Pada jaringan WaSR-T Ringan yang diusulkan ini, modul enkode WaSR-T yang sebelumnya menggunakan ResNet-101 dirubah menjadi MobilNetV3, dan beberapa peta lapisan fitur dikurangi sebagai masukan pada dekode. Untuk melatih dan memvalidasi jaringan WaSR-T Ringan ini, digunakan kumpulan data yang mewakili domain laut terbuka dari kumpulan data citra yang dapat diakses secara bebas, dan kumpulan data citra tambahan yang direkam dari lokasi pemasangan TEWS di perairan Indonesia. Berdasarkan hasil kuantitatif dan evaluasi beban komputasi, sensitivitas pembangkitan alarm TEWS untuk hasil kinerja jaringan WaSR-T asli adalah sebesar 86,4 % dan jaringan WaSR-T Rimgan sebesar 86,16%. Namun, beban komputasi jaringan WaSR-T Ringan memerlukan lebih sedikit memori yaitu 4,3 % dibandingkan dengan WaSR-T asli sebesar 13.2 %. Oleh karena itu, jaringan WaSR-T Ringan yang kami usulkan menjanjikan untuk digunakan sebagai bagian utama dari sistem visi komputer cerdas pada TEWS. Kata kunci: Tsunami, Pelampung permukaan, akustik, USV, Lightweight WaSR-T, visi komputer, laut terbuka, ResNet-101, MobileNetV3