BOGOR-KITA.com, DRAMAGA – Indonesia merupakan wilayah yang rentan terkena bencana tanah longsor. Seringkali bencana ini terjadi di daerah pemukiman padat penduduk sehingga memakan banyak korban. Pencarian korban tanah longsor adalah hal yang sulit dan berisiko. Risiko yang mungkin terjadi adalah adanya longsor susulan, tergelincir akibat pijakan yang tidak seimbang, tertimpa reruntuhan dan lain sebagainya.
Untuk mengurangi risiko dalam upaya penyelamatan korban bencara longsor, mahasiswa Departemen Ilmu Komputer IPB University, Muhammad Harits Arrazi, mengembangkan suatu metode pendeteksian korban bencana untuk robot search and rescue. Pendeteksian korban dilakukan dengan metode Thermal Imaging menggunakan kamera infrared dengan fitur Histogram of Oriented Gradients (HOG). Dalam melakukan riset ini, Harits dibimbing oleh Dr Karlisa Priandana dan Wulandari, MAgr.Sc.
Dalam siaran pers yang diterima BOGOR-KITA.com, Kamis (28/11/2019) disebutkan, penelitian ini bertujuan untuk mengembangkan model klasifikasi korban bencana longsor menggunakan fitur HOG dari data citra suhu untuk robot search and rescue menggunakan robot EPUCK v2. Dalam penelitian ini, Raspberry Pi ditambahkan ke robot untuk memperkuat kemampuan komputasi robot.
HOG merupakan fitur citra yang dapat merepresentasikan distribusi dan arah dari tepi gradien pada citra. Ide dasar dari pemakaian HOG dalam pendeteksian manusia adalah penampilan dan bentuk objek lokal seringkali dapat dikarakterisasi dengan baik oleh distribusi gradien intensitas lokal atau arah tepi. Bahkan tanpa pengetahuan yang tepat tentang posisi gradien atau tepi yang sesuai. Penggunaan fitur HOG dipilih karena petunjuk shape-based yang dimilikinya lebih efisien.
Sementara E-PUCK v2 adalah robot beroda burukuran mini yang sudah memiliki berbagai fungsi dan sering digunakan sebagai robot untuk menguji algoritma swarm. E-PUCK mempunyai kemampuan komputasi, sambungan inter-integrated circuit (I2C), serial peripheral interface (SPI), dan kapasitas penyimpanan yang terbatas. Penggunaan Raspberry Pi 3 digunakan untuk mengatasi masalah keterbatasan kemampuan komputasi tersebut.
Kamera FLIR Lepton 2.0 50 degrees shutterless digunakan dalam pengembangan robot karena kamera ini kompatibel dengan Raspberry Pi 3. Selain itu, ukuran kamera ini cukup kecil dan harganya terjangkau. Alasan lain pemilihan kamera FLIR adalah karena kamera ini bekerja dengan prinsip thermal imaging, sehingga tepat untuk mendeteksi korban longsor yang mungkin terhalang oleh reruntuhan bangunan atau tertimbun tanah.
Kamera thermal imaging dapat menangkap citra suhu, yang memungkinkan deteksi
tubuh manusia secara independen dari kondisi pencahayaan. Hasil data berupa fitur HOG dari citra kamera kemudian diklasifikasikan dengan tiga metode klasifikasi yang berbeda untuk dibandingkan. Yaitu Support Vector Machine (SVM), K-Nearest Neighbor (KNN) dan random forest.
“Penelitian menunjukkan bahwa secara simulasi, metode SVM kernel linear dengan menggunakan ukuran sel fitur HOG tertentu memiliki nilai akurasi yang baik. Pengujian model ini pada robot secara langsung menunjukkan bahwa model ini memiliki kemampuan identifikasi korban yang baik. Penelitian ini akan dilanjutkan dengan menambahkan kemampuan robot untuk berkoordinasi dengan robot lainnya (multi-agent systems) sehingga proses pencarian dan evakuasi korban longsor dapat dilakukan dengan efektif,” ujarnya. [] Admin
