Penerapan Algoritma CNN (Convolutional Neural Network) Untuk Deteksi Dan Klasifikasi Target Militer Berdasarkan Citra Satelit

Abstract

Situasi geopolitik dunia saat ini cenderung kurang baik, dimana terdapat sebuah ketegangan di beberapa wilayah regional, mulai dari eropa, hingga indo-pasifik. Bahkan konfrontasi militer tak bisa dihindarkan, bukan tidak mungkin, pecah perang yang lebih besar, dengan begitu kesiapan Indonesia dipertanyakan. Sebagai negara yang luas, wilayah Indonesia rentan terhadap serangan. Dengan kekuatan militer dan dukungan teknologi yang lemah tentu hal yang buruk. Dalam perang, target yang menjadi sasaran utama adalah sistem pertahanan. Disini kami mencoba menerapkan algoritma CNN untuk mendeteksi sekaligus mengklasifikasikan bangunan fasilitas militer, alutsista, dan objek yang bukan merupakan militer. Tujuannya adalah model deep learning dapat membantu peralatan tempur dalam menargetkan sasaran secara efektif, melalui citra satelit. CNN yang diuji menggunakan beberapa model, dan optimizer yang berbeda, untuk mengetahui model mana yang memiliki akurasi terbaik. Model diberikan data gambar dalam tiga kelas, kemudian dilakukan konvolusi dan max pooling melalui layer-layernya, hingga melalui 512 neuron di tahap klasifikasi dan output di 3 neuron sesuai jumlah kelas. Hasilnya adalah, model terbaik dengan menggunakan arsitektur InceptionV3 dan Adamax optimizer, menghasilkan nilai validasi akurasi sebesar 96% dan loss validation-nya 0,1757. Serta classification report dengan masing-masing presisi kelas defense equipment sebesar 100%, military facilities sebesar 92%, dan non-military sebesar 94%.