Analisa Teknis Penggunaan Unmanned Aerial Vehicle (Uav) Drone Dengan Deep Learning Sebagai Sarana Bantu Dalam Proses Search And Rescue (Sar) Pada Daerah Laut

Wicaksana, Adhitya (2023) Analisa Teknis Penggunaan Unmanned Aerial Vehicle (Uav) Drone Dengan Deep Learning Sebagai Sarana Bantu Dalam Proses Search And Rescue (Sar) Pada Daerah Laut. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6019201002-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (3MB) | Request a copy

Abstract

Dalam operasi Search And Rescue, terdapat beberapa hal yang dapat dikembangkan, salah satu contohnya adalah terdapat pada penggunaan alat bantu dibantu SAR, seperti Helikopter dan kapal laut, dimana dengan penggunaan alat bantu tersebut membutuhkan biaya yang cukup besar untuk operasi SAR. Dengan semakin berkembangnya teknologi drone, system drone mulai banyak digunakan dalam banyak bidang, antara lain dalam bidang Search and Rescue (SAR). Drone atau Unmanned Aerial Vehicle (UAV) digunakan untuk misi SAR selama beberapa tahun terakhir karena keunggulannya dalam kelincahan serta kemampuan manuver dan aksesibilitas udara. Dengan memasang kamera resolusi tinggi pada drone, maka dimungkinkan untuk mengirimkan gambar udara penting untuk operasi SAR dengan biaya yang jauh lebih rendah dibandingkan dengan pesawat udara lainnya serta bersifat realtime. Namun demikian, masih sangat diperlukan adanya identifikasi mengenai karakteristik drone yang dapat digunakan dalam kegiatan SAR di laut dengan dinamika iklim dan karakteristik atmosferik yang sangat dinamis. Penelitian ini bertujuan untuk menganalisa penggunaan sistem UAV (Drone), efektifitas rancangan sistem Drone UAV dalam proses SAR di laut serta Analisa akurasi penggunaan Deep Learning Convolutional Neural Network (CNN) untuk mempercepat menemukan target yang dicari. Jenis drone yang digunakan dalam penelitian ini ada Drone UAV dengan model Fixed Wing. Uji identifikasi target dilakukan pada tiga ketinggian, 20 m, 30m dan 50 m menggunakan software image detection dengan dua pola terbang /jalur rescue. Hasil dari penelitian menunjukkan thrust yang dibutuhkan drone adalah 3476 gr, jarak jangkaumencapai radius ±2 km tanpa menggunakan alat tambahan, dan flight time dapat mencapai 60 menit. Terdapat variasi akurasi dalam identifikasi target, akurasi image detection mencapai 87% pada ketinggian terbang 20m, akurasi sebesar 62% pada ketinggian terbang 30 m dan akurasi 31% pada ketinggian 50m. Pola jalur terbang juga memberikan peran pada kecepatan identifikasi target, dengan jalur terbang berbentuk angka “8” lebih memberikan hasil maksimal dibandingkan dengan jalur terbang Z dalam penelitian ini
======================================================================================================================================
In Search and Rescue operations, there are several things that can be developed, one example of which is the use of assisted SAR tools, such as helicopters and ships, where the use of these tools requires a considerable cost for SAR operations. With the increasing development of drone technology, drone systems are increasingly being used in various fields, including the field of Search and Rescue (SAR). Drones or Unmanned Aerial Vehicles (UAVs) have been used for SAR missions in recent years due to their agility and ability to maneuver and access the air. By installing high-resolution cameras on drones, it is possible to send important aerial images for SAR operations at a much lower cost compared to other aircraft and in real-time. However, there is still a great need for identification of the characteristics of drones that can be used in SAR activities at sea with dynamic climate dynamics and atmospheric characteristics. This study aims to analyze the use of UAV (drone) systems, the effectiveness of the UAV drone system design in SAR processes at sea, and the accuracy analysis of using Deep Learning Convolutional Neural Network (CNN) to accelerate the finding of the target being sought. The type of drone used in this study is a UAV drone with a Fixed Wing model. Target identification tests were conducted at three heights, 20 m, 30m, and 50 m using image detection software with two rescue flight paths. The results of the study showed that the required drone thrust was 3476 gr, the estimated distance was reached at a radius of ±2 km without using additional tools, and the flight time could reach 60 minutes. There is a variation in target identification accuracy, image detection accuracy reached 87% at a flight height of 20m, accuracy was 62% at a flight height of 30 m, and accuracy was 31% at a flight height of 50m. The flight path pattern also plays a role in the speed of target identification, with the "8" shaped flight path providing better results compared to the Z flight path in this study.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	SAR, Drone, UAV, Image Detection, CNN
Subjects:	Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > TL Motor vehicles. Aeronautics. Astronautics
Divisions:	Faculty of Marine Technology (MARTECH) > Marine Engineering > 36101-(S2) Master Theses
Depositing User:	Adhitya Wicaksana
Date Deposited:	13 Feb 2023 09:03
Last Modified:	13 Feb 2023 09:03
URI:	http://repository.its.ac.id/id/eprint/97196

Actions (login required)

View Item