Eksplorasi Pemanfaatan Transfer Learning untuk Deteksi Citra Kapal sebagai Pendukung Pengawasan Maritim
Kata Kunci:
Citra satelit kapal, Transfer learning, ResNet50, DenseNet, Illegal unreported and regulated fishingAbstrak
Salah satu permasalahan utama di Indonesia adalah sulitnya memantau seluruh wilayah perairan karena luasnya wilayah Indonesia yang sangat besar. Selain itu, infrastruktur pengawasan maritim yang masih terbatas di beberapa wilayah, kurangnya koordinasi antara lembaga-lembaga terkait, serta minimnya fasilitas dan teknologi pengawasan membuat Indonesia kesulitan dalam menangani permasalahan ini. Kurangnya sistem pengawasan maritim yang mumpuni di Indonesia juga memicu adanya kegiatan perikanan tak sah, tidak dilaporkan, dan tidak diatur atau IUU Fishing merupakan pelanggaran yang paling banyak terjadi sepanjang tahun 2022. Saat ini, Indonesia menggunakan Sistem Pemantauan Kapal Perikanan (SPKP) berbasis satelit untuk memantau aktivitas kapal di perairan Indonesia. Data yang dihasilkan oleh SPKP berupa data mentah yang dapat dimaksimalkan penggunaannya dengan metode deep learning. Pada penelitian ini dilakukan eksplorasi menggunakan transfer learning dengan model ResNet50 dan DenseNet untuk mendeteksi citra satelit kapal. Berdasarkan hasil penelitian didapatkan model yang memiliki kinerja paling baik yaitu model ResNet50 dengan partial transfer learning dilihat dari hasil akurasi, presisi, recall, dan F1-score paling tinggi. Dengan kemampuan untuk mendeteksi kapal yang lebih akurat, pengembangan model kapal ini dapat memberikan dampak signifikan kepada keamanan maritim di Indonesia. Adanya pengawasan matirim yang handal akan berdampak sangat besar kepada keberlanjutan dan keselamatan segala aktivitas perairan laut yang terjadi di Indonesia.
Referensi
B. L. GRAHADYARINI, “Perikanan Ilegal Berpotensi Meningkat,” kompas.id, Apr. 18, 2023. https://www.kompas.id/baca/ekonomi/2023/04/18/perikanan-ilegal-berpotensi-meningkat
Kementerian Kelautan dan Perikanan Republik Indonesia, “KKP | Kementerian Kelautan dan Perikanan,” kkp.go.id, 2018. https://kkp.go.id/artikel/1495-faq-pengawasan-sumber-daya-kelautan-dan-perikanan-psdkp
X. Glorot and Y. Bengio, "Understanding the difficulty of training deep feedforward neural networks," in Proceedings of the Thirteenth International Conference on Artificial Intelligence and Statistics, vol. 9, pp. 249-256, 2010.
K. He, X. Zhang, S. Ren, and J. Sun, “Deep Residual Learning for Image Recognition,” 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 770–778, Jun. 2016, doi: https://doi.org/10.1109/cvpr.2016.90
G. Huang, Z. Liu, L. Van Der Maaten, and K. Q. Weinberger, “Densely Connected Convolutional Networks,” 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2261–2269, Jul. 2017, doi: https://doi.org/10.1109/cvpr.2017.243
M. Iman, H. R. Arabnia, and K. Rasheed, “A Review of Deep Transfer Learning and Recent Advancements,” Technologies, vol. 11, no. 2, p. 40, Mar. 2023, doi: https://doi.org/10.3390/technologies11020040
S. Scardapane and D. Wang, "Randomness in neural networks: an overview," Wiley Int. Rev. Data Min. and Knowl. Disc., vol. 7, no. 2, pp. n/a, March 2017, doi: 10.1002/widm.1200
J. Yosinski, J. Clune, Y. Bengio, and H. Lipson, “How transferable are features in deep neural networks?,” Advances in Neural Information Processing Systems 27, Nov. 2014, doi: https://doi.org/10.48550/arxiv.1411.1792
R. Giorgiani and F. Viana, “Satellite Image Classification and Segmentation with Transfer Learning,” American Institute of Aeronautics and Astronautics AIAA Scitech 2020 Forum, Jan. 2020, doi: https://doi.org/10.2514/6.2020-1864
Y. Li, Z. Ding, C. Zhang, Y. Wang, and J. Chen, “SAR Ship Detection Based on Resnet and Transfer Learning,” IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium, Jul. 2019, doi: https://doi.org/10.1109/igarss.2019.8900290
Z. Chen, D. Chen, Y. Zhang, X. Cheng, M. Zhang, and C. Wu, “Deep learning for autonomous ship-oriented small ship detection,” Safety Science, vol. 130, p. 104812, Oct. 2020, doi: https://doi.org/10.1016/j.ssci.2020.104812
J. Faudi, M. inversion, "Airbus Ship Detection Challenge," Kaggle, 2018. https://kaggle.com/competitions/airbus-ship-detection
C. Shorten and T. M. Khoshgoftaar, "A survey on Image Data Augmentation for Deep Learning," J. Big Data, vol. 6, p. 60, 2019. doi: 10.1186/s40537-019-0197-0
J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li, and L. Fei-Fei, "ImageNet: A large-scale hierarchical image database," in 2009 IEEE Conference on Computer Vision and Pattern Recognition, Miami, FL, USA, 2009, pp. 248-255, doi: 10.1109/CVPR.2009.5206848
J. Dong et al., “Application of Transfer Learning and Convolutional Neural Networks for Autonomous Oil Sheen Monitoring,” Applied Sciences, vol. 12, no. 17, p. 8865, Sep. 2022, doi: https://doi.org/10.3390/app12178865
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Ridwan Akmal, Putu Annand Kurnia Iswari, Muchammad Daniyal Kautsar, Dyah Aruming Tyas
Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
