首页    期刊浏览 2024年11月28日 星期四
登录注册

文章基本信息

  • 标题:Identifikasi Area Terdampak Oil Seep di Darat dari Data Foto Udara Menggunakan Metode Object Based Image Analysis dan Convolutional Neural Networks (Studi Kasus: Kelurahan “X”)
  • 本地全文:下载
  • 作者:Nurul Fitri Alya ; Filsa Bioresita ; Noorlaila Hayati
  • 期刊名称:Jurnal Teknik ITS
  • 印刷版ISSN:2301-9271
  • 电子版ISSN:2337-3539
  • 出版年度:2021
  • 卷号:10
  • 期号:2
  • 页码:320-325
  • DOI:10.12962/j23373539.v10i2.70042
  • 语种:Spanish
  • 出版社:Lembaga Penelitian dan Pengabdian kepada Masyarakat
  • 摘要:Rembesan minyak merupakan salah satu peristiwa yang merugikan lingkungan pada industri minyak dan gas. Hal ini dikarenakan senyawa kimia yang terkandung pada rembesan minyak dapat mengakibatkan penurunan kualitas lingkungan hidup. Rembesan minyak (Oil Seep) tidak hanya terjadi di wilayah perairan, tetapi juga di daratan, yang terserap oleh tanah. Kejadian ini dapat mengindikasikan adanya sistem perminyakan di bawah permukaan tanah. Dalam penelitian ini daerah terdampak rembesan minyak diidentifikasi menggunakan metode deep learning dengan Convolutional Neural Networks dimana mesin diharapkan meniru sistem kerja otak manusia dalam mengidentifikasi objek. Data foto udara yang telah terorthorektifikasi dilakukan proses segmentasi untuk membantu proses pelabelan training data pada tahap selanjutnya. Training data tersebut menjadi data masukan pada tahap train deep learning model, dan akan dilakukan proses klasifikasi piksel untuk mendeteksi area terdampak oil seep. Hasil pengolahan berupa tingkat akurasi model mencapai 93% dan raster yang menampilkan area terdampak oil seep, yang kemudian dihitung luasan areanya, dan menghasilkan perhitungan area terdampak oil seep seluas ±1,4 hektar.
  • 关键词:Oil Seep;Rembesan Minyak;Deep Learning;Convolutional Neural Networks;Pembobotan;Area Terdampak Rembesan Minyak
国家哲学社会科学文献中心版权所有