PERANCANGAN JARINGAN LORAWAN UNTUK USE CASE FOREIGN OBJECT DEBRIS (FOD) DETECTOR PADA LANDASAN PACU MENGGUNAKAN ALGORITMA MACHINE LEARNING BERBASIS LABVIEW
Keywords:
sensor CCTV, jaringan LoRa wan, algoritma Machine learningAbstract
Transportasi udara merupakan salah satu mata rantai jaringan distribusi barang dan mobilitas penumpang yang berkembang sangat dinamis, serta berperan dalam mendukung, mendorong dan menunjang segala aspek kehidupan baik dalam pembangunan politik, ekonomi, sosial budaya. Maka dari itu keselamatan dan keamanan penerbangan harus terpenuhi,penulis sering melihat banyak factor yang menyebabkan kecelakan pesawat seperti bahaya burung dan benda –benda berbahaya di ranway yang sering di jumpai di lapangan,Pada penelitian ini penulis membuat inovasi mengenai pendeteksian objek menggunakan sensor CCTV yang di kirimkan ke jaringan LoRa wan dan diolah dengan agoritma Machine learning untuk (trecking) obstecel FOD / benda 2 benda berbahaya. Dengan adanya inovasi ini petugas bandara tidak perlu mengecek FOD kelapangan langsung, cukup mengecek atau memonitor di PC kantor.
References
Pasal 1 Undang undang Republik Indonesia no. 1 tahun 2009, tentang Penerbangan.
Keputusan Menteri Perhubungan KM Nomor 8 tahun 2010 tentang Keselamatan Penerbangan Nasional
Hasim Purba “Mewujudkan keselamatan penerbangan dengan membangun kesadaran hukum bagi stakeholders melalui penerapan safety culture” jurnal hukum , Fakultas Hukum Universitas Sumatera Utara-Medan, Volume 12, Nomor 1, Januari-Juni 2017
Warta Ardhia. Telaah Literatur Mencegah Kecelakaan Landas Pacu di Bandar Udara di Indonesia’Vol. 40 No. 3 September 2014, hal. 203-214
K. P. Danukusumo, “Implementasi deep learning menggunakan convolutional neural network untuk klasifikasi citra candi berbasis GPU,” Skripsi, Universitas Atma Jaya Yogyakarta, Yogyakarta, 2017.
H. Abhirawa, Jondri, dan A. Arifianto, “Pengenalan wajah menggunakan convolutional neural network,” Dalam e-Proceeding of Engineering, 2017, hal. 4907 – 4916.
S. R. Dewi, “Deep learning object detection pada video menggunakan tensorflow dan convolutional network,” Skripsi, Universitas Islam Indonesia, Yogyakarta, 2018.
Mikhaylov K, Pettissalo M, Peta J. Performance of a low-power wide-area network based on LoRa technology : Doppler robustness, scalability, and coverage. International Journal Distributed Sensor Network. 2017;13(3). doi:10.1177/155014771769941
Georgiou O, Raza U. Low Power Wide Area Network Analysis: Can LoRa Scale? 2016;2337(c):8-11. doi:10.1109/LWC.2016.2647247
A technical overview of loRa and LoRaWAN : LoRa Alliance, 2015.
Indonesian Society of Applied Science (ISAS)
