Perbandingan Model InceptionV2 dan MobileNet pada CNN untuk Implementasi Algoritme SSD dalam Pencarian Korban Longsor.

Abstract

Longsor merupakan salah satu ancaman utama bencana alam yang terjadi di Indonesia dan diperlukan penanganan yang cepat dalam pencarian korban untuk mengurangi jumlah korban yang meninggal. Penelitian ini mengimplementasikan algoritme single shot multibox detector (SSD) pada Android untuk pencarian korban yang terjebak longsor dengan quadcopter. Selain itu, penelitian ini juga membandingkan model convolutional neural network inceptionV2 dan MobileNet. Set data gambar yang berisi objek manusia kemudian dilatih menggunakan algoritme SSD untuk setiap model konvolusi yang kemudian digunakan sebagai model pendeteksi objek untuk program Android yang dikembangkan. Hasil simulasi pengujian menunjukkan model MobileNet memiliki akurasi pendeteksian 92.72% dan mampu menginferensikan objek dalam waktu ± 150 ms. Sementara model inceptionV2 memiliki akurasi 85.93% dengan kecepatan inferensi objek dalam waktu ± 300 ms. Berdasarkan hasil pengujian tersebut, implementasi algoritme SSD pada Android untuk pencarian korban pascabencana longsor dengan model MobileNet menunjukkan kemampuan yang lebih baik dari segi perangkat dengan kemampuan komputasi terbatas.