Drone Untuk Mengukur Lebar Sungai Menggunakan Metode Clustering

Kusumo, Ilham Jati (2021) Drone Untuk Mengukur Lebar Sungai Menggunakan Metode Clustering. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 07111740000106-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (6MB) | Request a copy

Abstract

Sungai merupakan salah satu penampang alam yang memiliki banyak manfaat. Sungai tidak hanya dimanfaatkan oleh masyarakat, namun sungai juga dimanfaatkan pemerintah untuk membangun pembangkit. Dalam beberapa kasus, kondisi sungai yang tidak diperhatikan akan menimbulkan bencana yang merugikan masyarakat hingga pemerintah. Maka dibutuhkan sebuah system monitoring lebar sungai untuk dapat memonitoring lebar sungai. Pada penelitian kali ini diusulkan sebuah sistem monitoring lebar sungai menggunakan drone yang dilengkapi kamera dengan metode clustering. Drone akan dilengkapi dengan kamera dan mini pc untuk mengambil data penampang sungai melalui udara, untuk kemudian data penampang ini akan dilakukan segmentasi warna dengan clustering. Hasil dari clustering ini berupa penampang sungai yang terseleksi untuk kemudian dilakukan pembacaan lebar pixel penampang sungai. Lebar pixel ini akan dikalikan dengan data kalibrasi yang sebelumnya dilakukan menggunakan terpal 2.9m x 2.9m yang diambil dari berbagai ketinggian. Hasil dari perkalian ini merupakan lebar sungai yang sesungguhnya dan diukur berdasarkan pixel terbesar.
Dari hasil pengujian dengan algoritma ini, didapatkan hasil untuk sungai dengan kondisi air yang cukup, pinggiran berupa beton miring dan lebar ±7.2m, didapatkan ketinggian optimal 20m dengan error pembacaan 3.1944%, pada sungai dengan lebar ±5, berair sedikit dan pinggiran beton miring, serta terdapat endapan, didapatkan ketinggian optimal pada 25m dengan error pembacaan 2%. Pada sungai yang sedikit berkelok dan memiliki air yang cukup dengan lebar ±10m, didapatkan ketinggian optimal pada 35m dengan error pembacaan 1%. Pada sungai dengan kondisi air yang kurang, pinggiran tidak rata, terdapat sedimen dan memiliki lebar ±9m, didapatkan ketinggian optimal pada 45m dengan error pembacaan 0.6667%. Pada sungai dengan kondisi air cukup, pinggiran berupa beton dan lebar ±14.2m, didapatkan ketinggian optimum 35m dengan error pembacaan 3.5211%. pada sungai dengan pinggiran kanan kiri tanah tidak beraturan, dengan lebar ±7.7m, didapatkan ketinggian optimum 40m dengan error pembacaan 1.039%.
=====================================================================================================
The river is one of the natural cross-sections that have many benefits. The river is not only used by the community, but the river is also used by the government to build power plants. In some cases, river conditions that are not considered will cause disasters that harm the community and the government. So we need a river width monitoring system to be able to monitor the river width. In this study, a river width monitoring system is proposed using a drone equipped with a camera with the clustering method. The drone will be equipped with a camera and a mini PC to capture cross-sectional data of the river through the air, then color segmentation of this cross-sectional data will be carried out using clustering. The result of this clustering is in the form of a selected river cross section for later reading of the river cross section pixel width. This pixel width will be multiplied by the calibration data previously carried out using a 2.9m x 2.9m tarpaulin taken from various heights. The result of this multiplication is the actual width of the river.
From the results of testing with this algorithm, the results are as follows: in rivers with sufficient water conditions, the edges are sloping concrete and ±7.2m wide, the optimal height is 20m with a reading error of 3.1944%, on rivers with a width of ±5, slightly watery and the edges sloping concrete, and there is sediment, the optimal height is obtained at 25m with a reading error of 2%. In a river that is slightly winding and has sufficient water with a width of ±10m, the optimal height is obtained at 35m with a reading error of 1%. In rivers with poor water conditions, uneven edges, sediments and a width of ±9m, the optimal height is 45m with a reading error of 0.6667%. In rivers with sufficient water conditions, the edges are concrete and ±14.2m wide, the optimum height is 35m with a reading error of 3.5211%. On a river with an irregular right and left bank of land, with a width of ±7.7m, the optimum height is 40m with a reading error of 1.039%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Image Transform, Image Processing, Measurement, K-means Clustering, pemrosesan citra, pengukuran, klastering
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques T Technology > TJ Mechanical engineering and machinery > TJ211 Robotics. U Military Science > UG1242 Drone aircraft--Control systems. (unmanned vehicle) U Military Science > U Military Science (General) > UG Military Engineering > UG1242.D7 Unmanned aerial vehicles. Drone aircraft
Divisions:	Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	ILHAM JATI KUSUMO
Date Deposited:	18 Aug 2021 11:13
Last Modified:	18 Aug 2021 11:13
URI:	http://repository.its.ac.id/id/eprint/87072

Actions (login required)

View Item