Analisis data menggunakan metode VGG-11 Net untuk ekstraksi fitur tingkat kerusakan bangunan pasca bencana alam

ABSTRAK

Penelitian ini bertujuan untuk menganalisis data visual berupa citra bangunan pasca bencana alam menggunakan metode ekstraksi fitur berbasis deep learning, yaitu arsitektur VGG-11 Net. Citra bangunan diproses melalui tahapan preprocessing, termasuk resizing, normalisasi, dan augmentasi, sebelum diekstraksi fiturnya oleh model VGG-11. Hasil ekstraksi fitur kemudian dianalisis menggunakan metode Principal Component Analysis (PCA) untuk mereduksi dimensi dan memvisualisasikan distribusi data. Evaluasi dilakukan tanpa proses klasifikasi eksplisit, tetapi melalui analisis pola hasil proyeksi PCA yang menunjukkan terbentuknya tiga kelompok visual utama. Hal ini mengindikasikan bahwa fitur yang diekstraksi memiliki kemampuan untuk membedakan karakteristik visual tingkat kerusakan. Penelitian ini menunjukkan bahwa metode VGG-11 Net efektif digunakan sebagai pendekatan awal dalam memahami distribusi visual kerusakan bangunan, serta membuka peluang pengembangan lebih lanjut dalam sistem evaluasi otomatis berbasis citra.

ABSTRACT

This research aims to analyze visual data in the form of post-natural disaster building images using a deep learning-based feature extraction method, namely the VGG-11 Net architecture. Building images are processed through preprocessing stages, including resizing, normalization, and augmentation, before their features are extracted by the VGG-11 model. The feature extraction results were then analyzed using the Principal Component Analysis (PCA) method to reduce dimensionality and visualize data distribution. The evaluation was done without an explicit classification process, but through analyzing the pattern of the PCA projection results, which showed the formation of three main visual groups. This indicates that the extracted features have the ability to distinguish the visual characteristics of the damage level. This research shows that the VGG-11 Net method is effective as an initial approach in understanding the visual distribution of building damage, and opens up opportunities for further development in image-based automated evaluation systems.

الملخص

يهدف هذا البحث إلى تحليل البيانات المرئية في شكل صور مبانٍ بعد الكوارث الطبيعية باستخدام طريقة استخراج السمات القائمة على التعلّم العميق، وهي بنية شبكة VGG-11. تتم معالجة صور المباني من خلال مراحل المعالجة المسبقة، بما في ذلك تغيير الحجم والتطبيع والتكبير، قبل أن يتم استخراج السمات بواسطة نموذج VGG-11. ثم تم تحليل نتائج استخراج السمات باستخدام طريقة تحليل المكونات الرئيسية (PCA) لتقليل الأبعاد وتصور توزيع البيانات. تم إجراء التقييم بدون عملية تصنيف واضحة، ولكن من خلال تحليل نمط نتائج إسقاط PCA، والتي أظهرت تشكيل ثلاث مجموعات بصرية رئيسية. يشير هذا إلى أن السمات المستخرجة لديها القدرة على تمييز الخصائص البصرية لمستويات الضرر. يُظهر هذا البحث أن طريقة شبكة VGG-11 الشبكية فعالة كنهج أولي في فهم التوزيع البصري لأضرار المباني، وتفتح فرصًا لمزيد من التطوير في أنظمة التقييم الآلي القائمة على الصور