PERBANDINGAN ANTARA SVM DAN CNN UNTUK MENDETEKSI OBJEK KAPAL PADA CITRA SATELIT
Abstract
Satelit dengan sensor optik menghasilkan gambar Bumi di area yang relatif besar. Citra
satelit optik memberikan wawasan unik ke berbagai pasar, termasuk pertanian, pertahanan
dan intelijen, dan energi. Deteksi kapal menggunakan gambar satelit sangat penting karena
dapat membantu mengelola layanan lalu lintas laut, pertahanan dan intelijen, dan manajemen
perikanan. Dalam studi ini, gambar satelit optik digunakan untuk model pelatihan untuk
mendeteksi kapal. Algoritma machine learning (ML) seperti Deep learning dan Support
vector machine (SVM) telah diterapkan untuk mendeteksi objek dalam penelitian
sebelumnya. Teknologi pembelajaran deep-based Convolution neural network (CNN)
mengungguli banyak metode yang telah ada sampai batas tertentu. CNN telah terbukti
mampu mengungguli SVM untuk mendeteksi kapal dengan akurasi pengujian dengan data
validation rata-rata 0.9657 atau 96,57% sedangkan SVM mendapat akurasi 0,9438 atau
94,38%. Waktu yang dibutuhkan SVM untuk mendeteksi objek kapal pada citra satelit
beresolusi tinggi lebih cepat dari CNN. SVM membutuhkan waktu 57,76 detik dan CNN
membutuhkan waktu 2095,63 detik.
Collections
- Informatics Engineering [2143]