Implementasi Model YOLOV7 dan Mask R-CNN dalam Instance Segmentation Citra Gunung Berapi

Abstract

Indonesia terletak di daerah geografis yang memiliki banyak gunung api aktif serta memiliki aktivitas vulkanisme yang tinggi, seperti gunung Sinabung di Sumatera Utara dan gunung Merapi di Yogyakarta. Hal ini tentu menjadikan gunung api sebagai objek pengamatan yang penting untuk diperhatikan mengingat dampak dari aktivitas vulkanik bisa mempengaruhi kehidupan manusia. Kegiatan pengamatan yang bisa dilakukan mulai dari mempelajari aktivitas dan dampaknya serta penelitian yang mencoba untuk melakukan pengawasan aktivitas gunung api demi ilmu pengetahuan, upaya pencegahan, atau mengantisipasi dampak aktivitas vulkanik pada manusia. Pemantauan yang dilakukan secara visual yaitu melihat atau mengobservasi tampilan luar dari objek yang diamati. Perubahan fisik yang terjadi pada gunung api selama aktivitas vulkanisnya dapat memberikan informasi berharga dan informasi ini didapatkan melalui monitoring dari gunung api. Pengamatan gunung api dapat dilakukan dengan penglihatan manusia dan/atau dibantu dengan alat pengawasan. Maka dari itu, dilakukan monitoring aktivitas gunung api dengan memanfaatkan teknik instance segmentation. Konsep segmentasi dari model ini nantinya diharapkan dapat dikembangkan untuk membantu pengamatan dari aliran lava yang keluar dari kawah gunung api atau pun fenomena vulkanisme lainnya seperti kemunculan awan panas. Penelitian ini akan berfokus pada pengembangan model deteksi lava dengan menggunakan model Mask Region-Based Convolutional Neural Network (Mask R-CNN) dan You Only Look Once Version7 (YOLOV7). Dari penelitian ini diperoleh hasil akurasi sebesar 53% untuk Mask R-CNN dan 87% untuk YOLOv7.