Decision support system untuk menentukan tingkat kerusakan bangunan pasca bencana alam menggunakan image analysis

Crysdian, Cahyo ORCID: https://orcid.org/0000-0002-7488-6217, Kusumawati, Ririen ORCID: https://orcid.org/0000-0001-6090-7219, Melani, Roro Inda and Almais, Agung Teguh Wibowo ORCID: https://orcid.org/0000-0001-7770-1954 (2024) Decision support system untuk menentukan tingkat kerusakan bangunan pasca bencana alam menggunakan image analysis. Research Report. LP2M UIN Maulana Malik Ibrahim Malang. (Unpublished)

Text 24070.pdf Restricted to Repository staff only Download (1MB)

Abstract

Penilaian kerusakan infrastruktur secara cepat dan akurat pasca bencana alam merupakan tantangan krusial untuk mitigasi risiko dan perencanaan rekonstruksi. Penelitian ini bertujuan untuk mengembangkan sebuah Decision Support System (DSS) guna menentukan tingkat kerusakan bangunan pasca bencana dengan mengintegrasikan metode analisis citra Gray Level Co-occurrence Matrix (GLCM) dan Principal Component Analysis (PCA).

Metodologi penelitian ini dimulai dari akuisisi citra bangunan yang terdampak bencana, yang kemudian dikonversi menjadi format grayscale. Fitur tekstur dari citra diekstraksi menggunakan proses GLCM dengan variasi sudut dan dua nilai jarak yang berbeda (1 dan 0.5 piksel). Lima fitur utama—kontras, dissimilarity, homogenitas, energi, dan korelasi—dianalisis. Data fitur yang dihasilkan kemudian dinormalisasi dan dianalisis menggunakan PCA untuk mereduksi dimensi dan mengelompokkan data ke dalam tiga kluster tingkat kerusakan: rusak ringan, rusak sedang, dan rusak berat.

Hasil penelitian menunjukkan bahwa integrasi GLCM-PCA berhasil mengklasifikasikan tingkat kerusakan bangunan. Pengujian dengan jarak GLCM sebesar 0.5 piksel menghasilkan klastering yang dominan pada kategori "rusak berat". Hasil ini sesuai dan tervalidasi dengan penilaian ahli (surveyor) yang juga mengklasifikasikan gambar sampel sebagai rusak berat berdasarkan lima parameter standar. Sebaliknya, penggunaan jarak 1 piksel menghasilkan persebaran data yang kurang konklusif di antara tiga kluster.

Kesimpulan penelitian ini menunjukkan bahwa integrasi GLCM dan PCA terbukti menjadi metode yang efektif dan objektif untuk penilaian kerusakan bangunan pasca bencana. Pemilihan parameter jarak pada GLCM secara signifikan memengaruhi akurasi hasil akhir, di mana jarak 0.5 piksel memberikan hasil yang paling valid. Metode ini berpotensi besar untuk otomatisasi proses penilaian kerusakan, sehingga dapat mempercepat upaya tanggap darurat dan rehabilitasi.

Item Type:	Research (Research Report)
Keywords:	Decision Support System; Analisis Citra; GLCM; PCA; Kerusakan Pasca Bencana; Kerusakan Struktural
Subjects:	08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080106 Image Processing 08 INFORMATION AND COMPUTING SCIENCES > 0806 Information Systems > 080605 Decision Support and Group Support Systems 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing
Divisions:	Graduate Schools > Magister Programme > Graduate School of Informatics Engineering
Depositing User:	Ririen Kusumawati
Date Deposited:	11 Jul 2025 13:47

Downloads

Origin of downloads

Actions (login required)

View Item