Analisis Citra Run Up Gelombang pada Uji Model Fisik Struktur Pantai menggunakan Convolutional Neural Network

Utami, Widi (2023) Analisis Citra Run Up Gelombang pada Uji Model Fisik Struktur Pantai menggunakan Convolutional Neural Network. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6020212001-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (4MB) | Request a copy

Abstract

Breakwater merupakan struktur pelindung pantai yang berfungsi untuk melindungi garis pantai dari bahaya erosi dan sedimentasi. Parameter utama dalam mendesain breakwater salah satunya adalah run up gelombang yang merupakan jarak vertikal antara SWL (Still Water Level) dengan titik tertinggi pada slope yang dicapai oleh air yang merayap. Run up gelombang dipengaruhi oleh arah datang gelombang, geometri struktur, dan slope roughness. Seiring perkembangan zaman, Indonesia mulai merancang batu lapis pelindung buatan untuk struktur pelindung pantai. Batu pelindung tersebut di beri nama BPPT Lock dan Hexaloc. Penelitian mengenai rayapan gelombang dalam skala laboratorium metode pengamatannya masih menggunakan metode konvensional. Perkembangan teknologi yang semakin pesat membuat metode pengolahan data juga semakin berkembang. Dalam teknik pesisir, penggunaan citra video sebagai metode pengamatan mulai digunakan, salah satunya menggunakan machine learning khususnya Convolutional Neural Network (CNN). CNN merupakan jenis jaringan pada machine learning yang menggunakan filter konvolusional dan dirancang untuk memproses susunan data terstruktur berupa gambar ataupun video. Pada penelitian ini akan dilakuan pengujian run up gelombang menggunakan batu lapis pelindung Hexaloc 1, BPPT Lock, dan Hexaloc 2. Penelitian ini menggunakan metode empiris, metode eksperimen uji model fisik di laboratorium dengan dan metode CNN. Perekaman video pada pengujian model fisik kemudian dijadikan input pada model CNN untuk pengamatan run up gelombang. Dari penelitian yang telah dilakukan, didapatkan hasil bahwa perhitungan menggunakan metode formula empiris dengan tiga formula menghasilkan nilai run up yang cukup tinggi, hal ini disebabkan karena ketiga formula tersebut diterapkan pada breakwater smooth slope dan impermeabel. Pada metode pengujian model fisik memiliki nilai run up yang relatif rendah berkisar antara 0.784 sampai 0.502 Pengamatan pada pengujian model fisik memiliki nilai yang sedikit lebih tinggi dibandingkan dengan metode CNN, hal ini dapat disebabkan karena metode CNN memiliki ketelitian pengukuran yang lebih baik, nilai run up berkisar antara 0.784 sampai 0.48. Struktur breakwater dengan kemiringan yang lebih landai (1 : 2) memiliki nilai run up relatif yang lebih rendah, hal ini disebabkan oleh semakin landai suatu struktur, semakin efektif pula struktur tersebut untuk mereduksi gelombang. Dari ketiga batu lapis pelindung yang diuji, batu hexaloc 1 memiliki run up yang paling rendah berkisar antara 0.48 sampai 0.674.
===================================================================================================================================
Breakwater is a coastal protective structure to protect the coastline from erosion and sedimentation hazards. One of the main parameters in designing a breakwater is the wave run-up which is the vertical distance between the SWL (Still Water Level) and the highest point on the slope reached by the creeping water. Wave run-up is influenced by the direction of wave arrival, structural geometry, and slope roughness. Along with the times, Indonesia began to design artificial protective layer stones for coastal protection structures. The protective stones are named BPPT Lock and Hexaloc. Research on wave creep in laboratory scale methods of measurement and observation still uses conventional methods. Technological developments are increasingly rapidly making data processing methods also growing. In coastal techniques, the use of video imagery as a method of observation has begun to be used, one of which is machine learning, especially the Convolutional Neural Network (CNN). Convolutional Neural Network is a type of network in machine learning that uses convolutional filters and is designed to process structured data structures in the form of images or videos. In this research, wave run-up tests will be carried out using protective layers of Hexaloc 1, BPPT Lock, and Hexaloc 2. This research utilizes empirical methods, experimental physical model tests in the laboratory with variations in the slope angle of the structure, and CNN methods. Video recordings from the physical model tests are then used as input for the CNN model to observe the wave run-up. The conducted research found that calculations using analytical methods with three formulas resulted in relatively high wave run-up values. These three formulas are applied to smooth and impermeable breakwater slopes. The wave run-up values in the physical model test method were relatively low, ranging from 0.784 to 0.502. Observations from the physical model tests had slightly higher values than the CNN method. This may be due to the higher measurement accuracy of the CNN method, with wave run-up values ranging from 0.784 to 0.48. Breakwater structures with gentler slopes (1:2) had relatively lower wave run-up values. This is because the structure becomes more effective in reducing wave energy. Hexaloc 1 had the lowest wave run-up values among the three tested protective layers, ranging from 0.48 to 0.674.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Convolutional Neural Network, run up gelombang, Hexaloc, BPPT Lock, Breakwater,
Subjects:	T Technology > TC Hydraulic engineering. Ocean engineering
Divisions:	Faculty of Marine Technology (MARTECH) > Ocean Engineering > 38101-(S2) Master Thesis
Depositing User:	Widi Utami
Date Deposited:	28 Jul 2023 02:41
Last Modified:	28 Jul 2023 02:41
URI:	http://repository.its.ac.id/id/eprint/100026

Actions (login required)

View Item