Dataset Barombong Untuk Perancangan Stem Deteksi Kapal Sebagai Alat Bantu Navigasi
Abstract
ABSTRACK
This study aims to produce a prototype that can help provide information about ship object detection systems through navigation aids around the ship. The tool used to record ship objects around the Barombong Shipping Polytechnic training ship is a Closed-Circuit Television (CCTV) camera. The data collection process is carried out during the day using CCTV cameras placed on the front of the ship, then the CCTV camera captures will be recorded using a Network Video Recorder (NVR) and connected to a monitor screen placed on the ship's bridge. There are 5 video data that have been collected, where each video has a resolution of 3840 x 2160 pixels (4K) with a frame rate of 25 fps (frames per second). The video data on the NVR is then processed to determine the location and category of objects in the image, this process is known as data annotation. Ship object types are classified into four ship objects namely tankers, cargo, passenger ships and fishing boats. the results of data annotations of 2353 ship objects and the location of each object in the image, the results of this annotation process are formatted in the form of Extensible Markup Language (XML).
ABSTRACK
Penelitian ini bertujuan untuk menghasilkan prototipe yang dapat membantu memberikan informasi tentang sistem deteksi objek kapal melalui alat bantu navigasi di sekitar kapal. Alat bantu yang digunakan untuk melakukan perekaman objek kapal yang berada di sekitar kapal latih Politeknik Pelayaran Barombong adalah kamera Closed Circuit Television (CCTV). Proses pengambilan data dilakukan pada siang hari dengan menggunakan kamera CCTV yang diletakkan pada bagian depan kapal, selanjutnya hasil tangkapan kamera CCTV akan direkam dengan menggunakan Network Video Recorder (NVR) dan terhubung dengan layar monitor yang diletakkan pada anjungan kapal. Terdapat 5 data video yang berhasil dikumpulkan, dimana setiap video memiliki resolusi 3840 x 2160 piksel (4K) dengan frame rate 25 fps (frame per second). Data video pada NVR selanjutnya diolah untuk menentukan lokasi dan kategori objek di dalam gambar, proses tersebut dikenal dengan istilah anotasi data. Tipe objek kapal diklasifikasi menjadi empat objek kapal yakni tanker, cargo, kapal penumpang dan perahu nelayan. hasil anotasi data sebanyak 2353 objek kapal dan lokasi masing-masing objek pada gambar, hasil dari proses anotasi ini diformat dalam bentuk Extensible Markup Language (XML).
References
Arafah, M., A, A., Indrabayu, & I, S. A. (2019). Face recognition system using Viola Jones, histograms of oriented gradients and multi-class support vector machine. Journal of Physics: Conference Series, 134(4). doi:DOI 10.1088/1742-6596/1341/4/042005
Dennis, M. (2020, September 13). Peralatan Kapal Navigasi Beserta Fungsinya. Retrieved from https://www.garudacitizen.com/peralatan-kapal-navigasi/
Hari Sunanto, Nursyamsu, Vidiana, A., & Andi, S. R. (2019, Desember). Upaya Meminimalisir Kecelakaan Kerja Terhadap Keselamatan Anak Buah Kapal (ABK) di Dalam Ruangan Tertutup (Enclosed Space). Jurnal Marine Inside, 1(1).
Heru, D. (2021, 10 03). Indonesia Kembangkan Radar Canggih Yang Bisa Memantau Pergerakan di Laut dan Udara. Pangkal Pinang. Retrieved from https://www.kompas.com/properti/read/2021/10/03/124310321/indonesia-kembangkan-radar-canggih-yang-bisa-memantau-pergerakan-di?page=all
Muhammad, A., Andani, A., Indrabayu, & Intan , S. A. (2021, April). Face Recognation For Wearing A Veil Case Using Hisogram Of Oriented Gradients. ICIC International, 12(4), 325 - 334. doi:DOI: 10.24507/icicelb.12.04.325
Muhammad, F. A. (2021). Kebijakan Maritim Dalam Menunjang Keselamatan dan Keamanan Transportasi Laut. Sensistek:Riset Sains Dan Teknologi Kelautan, 4(1). Retrieved from https://journal.unhas.ac.id/index.php/SENSISTEK/article/view/19406
Xiyue, H., Wei, A., Qian , S., Jian, L., Haipeng, W., & Feng, X. (2020, Maret 10). Fusar-Ship: building a high-resolution SAR-AIS matchup dataset of Gaofen-3 for ship detection and recognation. China Inf.Sci. doi:https://doi.org/10.1007/s11432-019-2772-5
Copyright (c) 2022 Hengkara Majaya

This work is licensed under a Creative Commons Attribution 4.0 International License.