Perpustakaan Digital ITB

Saat pertama dikembangkan, teknologi Unmanned Aerial Vehicle (UAV) merupakan sebuah alat yang digunakan secara khusus untuk keperluan militer. Perkembangan teknologi yang pesat membuat UAV memiliki berbagai kemampuan yang dapat digunakan secara luas untuk keperluan sipil. Tentunya terdapat konsekuensi dari hal tersebut, dimana teknologi UAV dapat dengan mudah disalahgunakan oleh pihak tidak bertanggungjawab. Salah satunya adalah penggunaan UAV di wilayah bandar udara yang dapat mengganggu operasional bandar udara dan bahkan dapat menjadi ancaman serius bagi keamanan dan keselamatan penerbangan bandar udara tersebut. Tugas sarjana ini akan membahas tentang pemodelan kecerdasan buatan untuk mendeteksi UAV. Pemodelan kecerdasan buatan ini dilakukan sebagai salah satu langkah awal dalam mendesain counter unmanned aerial system (C-UAS). Pendeteksian UAV akan dilakukan menggunakan metode deep learning dengan algoritma YOLOv4 (single-stage detection) agar memiliki kecepatan deteksi dan akurasi yang optimal. Terdapat total 500 data gambar yang diolah dan digunakan dalam dua percobaan pembuatan model kecerdasan buatan pada penelitian ini. Filter gaussian blur digunakan untuk membuat variasi dataset agar dapat diolah dengan lebih efisien pada proses pelatihan dan menghasilkan model pendeteksi yang lebih baik. Hasil penelitian menunjukan bahwa dataset latih yang telah diproses dengan filter gaussian blur (dataset filtered) membuat model kecerdasan buatan dapat mendeteksi seluruh objek UAV pada kondisi hujan dan cerah. Karena performa yang baik, model yang dilatih menggunakan dataset filtered tersebut lebih sesuai untuk digunakan dalam mendeteksi objek UAV pada sistem anti-UAV.