Implementasi DenseNet-121 untuk ekstraksi fitur tingkat kerusakan bangunan pasca bencana alam

INDONESIA:

Bencana alam dapat menyebabkan berbagai kerusakan yang signifikan pada infrastruktur, termasuk bangunan. Identifikasi dan analisis terhadap kerusakan yang diakibatkan bencana alam sangat penting untuk pemulihan pasca bencana alam. Penelitian ini bertujuan untuk mengimplementasikan DenseNet-121 untuk melakukan ekstraksi fitur pada citra kerusakan bangunan pasca bencana alam dan untuk mengukur hasil ekstraksi oleh DenseNet-12. Metodologi yang digunakan adalah CNN dengan arsitektur DenseNet-121. Dataset yang digunakan dalam penelitian merupakan data open source yang terdiri dari berbagai citra kerusakan bangunan. Proses ekstraksi fitur dilakukan dengan DenseNet-121 yang telah dimodifikasi dengan menghapus lapisan yang tidak diperlukan. Hasil dari penelitian ini menunjukkan bahwa DenseNet-121 mampu mengekstrak fitur dengan baik yang dibuktikan melalui analisis data statistik, perhitungan cosine similarity, dan visualisasi menggunakan PCA. Hasil positif pada penelitian ini dapat mendukung penilaian otomatis terhadap kerusakan bangunan pasca bencana alam dengan lebih cepat dalam upaya pemulihan pasca bencana alam

ENGLISH:

Natural disasters can lead to a significant range of damage to infrastructure, including buildings. Identification and analysis of damage caused by natural disasters is essential for post-disaster recovery. This research aims to implement DenseNet-121 to perform feature extraction on post-natural disaster building damage images and to measure the extraction results by DenseNet-12. The applied methodology is CNN with DenseNet-121 architecture. The dataset utilized in the research is an opensource data which consists of numerous images of building damage. The feature extraction process is carried out with DenseNet-121 which has been modified by removing unnecessary layers. The results of this study show that DenseNet-121 is able to extract features well as proven through statistical data analysis, cosine similarity calculation, and visualization through PCA. These findings can support the automatic assessment of building damage after natural disasters more quickly in post-disaster recovery programs.

ARABIC:

يمكن أن تسبب الكوارث الطبيعية مجموعة واسعة من الأضرار الكبيرة للبنية التحتية، بما في ذلك المباني. ويُعدّ تحديد وتحليل الأضرار الناجمة عن الكوارث الطبيعية أمرًا ضروريًا للتعافي بعد الكوارث. يهدف هذا البحث إلى تطبيق DenseNet-121 لإجراء استخراج السمات على صور الأضرار التي لحقت بالمباني بعد الكوارث الطبيعية وقياس نتائج الاستخراج بواسطة DenseNet-121. المنهجية المستخدمة هي شبكة CNN مع بنية DenseNet-121. مجموعة البيانات المستخدمة في البحث هي بيانات مفتوحة المصدر تتكون من صور مختلفة لأضرار المباني. يتم تنفيذ عملية استخراج السمات باستخدام DenseNet-121 التي تم تعديلها عن طريق إزالة الطبقات غير الضرورية. تُظهر نتائج هذا البحث أن DenseNet-121 قادر على استخراج الميزات بشكل جيد كما يتضح من خلال التحليل الإحصائي للبيانات وحساب تشابه جيب التمام والتصور باستخدام PCA. يمكن أن تدعم النتائج الإيجابية في هذا البحث التقييم التلقائي للأضرار التي لحقت بالمباني بعد الكوارث الطبيعية بسرعة أكبر في جهود التعافي بعد الكوارث الطبيعية..