Perpustakaan Digital ITB

Kasus tabrakan burung dengan pesawat semakin sering terjadi seiring dengan meningkatnya aktivitas penerbangan dan populasi burung di sekitar bandara. Berbagai upaya telah dilakukan untuk mengurangi risiko ini, namun metode konvensional masih memiliki banyak keterbatasan, baik dari sisi akurasi, jangkauan deteksi, maupun efisiensi biaya. Penelitian ini bertujuan untuk merancang dan membangun sistem deteksi burung berbasis computer vision yang mampu beroperasi secara real-time dengan cakupan omnidireksional. Metode yang digunakan meliputi pembuatan prototipe modular yang memanfaatkan Jetson Orin Nano dan empat kamera USB terintegrasi, serta penerapan model deep learning SSD MobileNet. Pengujian dilakukan secara langsung untuk mengevaluasi kinerja sistem berdasarkan parameter precision, skor confidence, FPS, dan display delay. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi burung secara stabil dengan precision 0,83, skor confidence 0,85, FPS 9,95, display delay 0,10 detik, serta dapat mendeteksi objek hingga ukuran kotak pembatas terkecil 113 x 91 piksel. Hasil penelitian ini dapat dikembangkan lebih lanjut dengan penambahan fitur estimasi jarak sehingga berpotensi menjadi solusi deteksi burung yang lebih efektif untuk aplikasi di bandara.