Decision support system untuk menentukan tingkat kerusakan bangunan menggunakan metode PCA - Clustering

ABSTRAK:

Kerusakan bangunan akibat bencana alam seringkali memerlukan penilaian yang cepat dan akurat untuk mendukung langkah-langkah mitigasi. Penelitian ini bertujuan menentukan tingkat kerusakan bangunan pasca bencana alam dengan menggunakan input citra melalui integrasi image analysis. Dalam proses ini, teknik analisis seperti LBP (Local Binary Pattern) dan PCA (Principal Component Analysis) digunakan untuk mengolah pola tekstur lokal pada data citra bangunan. LBP menghasilkan fitur numerik yang kemudian direduksi dimensinya menggunakan PCA, sehingga pola-pola yang mendasari tingkat kerusakan dapat diidentifikasi dan dikelompokkan. Hasil PCA menunjukkan kemampuan yang signifikan dalam membedakan antara kerusakan ringan, sedang, dan berat berdasarkan pola dominan pada gambar bangunan pasca-bencana. Validasi oleh surveyor mengonfirmasi bahwa hasil pengolahan data ini sesuai dengan kondisi nyata di lapangan. Selain itu, sistem yang dikembangkan menunjukkan kekonsistenan pada data augmentasi seperti rotasi dan refleksi gambar, yang membuktikan keandalannya terhadap perubahan orientasi citra. Dengan demikian, sistem berbasis LBP dan PCA ini tidak hanya mempercepat proses penilaian kerusakan, tetapi juga memberikan dukungan objektif dan efisien bagi tim penilai dalam pengambilan keputusan mitigasi bencana.

ABSTRACT:

Damage to buildings due to natural disasters often requires rapid and accurate assessment to support mitigation measures. This research aims to determine the level of damage to buildings after natural disasters using image input through the integration of image analysis. In this process, analysis techniques such as LBP (Local Binary Pattern) and PCA (Principal Component Analysis) are used to process local texture patterns in building image data. LBP produces numerical features that are then reduced in dimension using PCA so that the patterns underlying the level of damage can be identified and categorized. The PCA results showed a significant ability to distinguish between light, medium, and heavy damage based on the dominant patterns in the post-disaster building images. Validation by surveyors confirmed that the results of this data processing match the real conditions on the ground. In addition, the developed system showed consistency in augmentation data such as image rotation and reflection, which proved its reliability against image orientation changes. Thus, this LBP and PCA-based system not only accelerates the damage assessment process but also provides objective and efficient support for the assessment team in disaster mitigation decision-making.

مستخلص البحث:

غالبا ما تتطلب أضرار المباني الناجمة عن الكوارث الطبيعية تقييما سريعا ودقيقا لدعم تدابير التخفيف. هدف هذا البحث إلى معرفة مستوى أضرار المباني بعد الكوارث الطبيعية باستخدام إدخال الصور من خلال تكامل تحليل الصور. في هذه العملية، يتم استخدام تقنية التحليل مثل LBP (النمط الثنائي المحلي) و PCA (تحليل المكونات الرئيسية) لمعالجة أنماط النسيج المحلية على بناء بيانات الصور. يولد LBP ميزات رقمية يتم تقليلها بعد ذلك حسب الأبعاد باستخدام PCA، بحيث يمكن تحديد الأنماط الأساسية لمستويات الضرر وتجميعها. أظهرت نتائج PCA قدرة كبيرة في التمييز بين الأضرار الخفيفة والمتوسطة والثقيلة بناء على النمط السائد في صور المباني بعد الكارثة. وأكد التحقق من صحة المساح أن نتائج معالجة البيانات هذه كانت متوافقة مع الظروف الحقيقية في الميدان. بالإضافة إلى ذلك، أظهر النظام المطور اتساقا في بيانات الزيادة مثل دوران الصورة وانعكاسها، مما أثبت موثوقيته مقابل تغيرات اتجاه الصورة. وبالتالي، فإن هذا النظام القائم على LBP و PCA لا يسرع عملية تقييم الأضرار فحسب، بل يوفر أيضا دعما موضوعيا وفعالا لفريق التقييم في اتخاذ قرارات التخفيف من حدة الكوارث.