Pengembangan Smart Camera Berbasis Faster R-CNN dan YOLO untuk Alat Volcano Eruption Early Warning System

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem smart camera bagi Pos Pengamatan Gunung Api untuk mendeteksi datangnya lahar dingin dan awan panas dengan menggunakan metode Faster Region-based Convolutional Neural Network (Faster R-CNN) dan You Only Look Once (YOLO). Kamera tersebut akan mengklasifikasi datangnya awan panas dan banjir lahar dingin, yang bertujuan untuk menyempurnakan perangkat Volcano Eruption Early Warning System yang sudah ada dan meminimalisir kerugian masyarakat, khususnya di Kawasan Rawan Bencana (KRB) yang rentan terhadap awan panas dan banjir lahar dingin. Pengembangan sistem ini akan membantu mengurangi dampak letusan gunung berapi terhadap masyarakat. Model YOLOv8 telah diuji pada berbagai kelas, termasuk kelas "Asap", dengan precision tinggi sebesar (0,995), recall tinggi sebesar (0,978), dan kinerja deteksi yang sangat baik sebesar (0,986) pada IoU 50%. Akan tetapi, kinerja model menurun pada IoU yang lebih rapat, yang mengindikasikan kesulitan dalam mendeteksi objek Asap yang lebih kecil atau yang memiliki overlap minimal. Pada kelas "Lahar", model memiliki precision sedang (0,827) dan recall rendah (0,832), yang menunjukkan bahwa model tidak sepenuhnya mampu mendeteksi semua kejadian Lahar. Model dapat bekerja lebih baik pada IoU yang lebih ketat, dengan kesulitan menangani Lahar dengan bentuk yang kompleks atau tumpang tindih yang tinggi. Secara keseluruhan, model memiliki precision tinggi (0,911), recall tinggi (0,905), dan kinerja deteksi yang kuat pada IoU ≥ 50%. Namun, model mengalami penurunan kinerja pada level IoU yang lebih ketat.