Implementasi Deep Learning dalam Penembakan Otomatis Objek Musuh guna Membantu Pengamanan Pos Jaga Militer
Abstrak
Pos jaga memiliki peran penting dalam menjaga keamanan wilayah, terutama di daerah rawan seperti Papua yang sering menghadapi ancaman dari kelompok bersenjata. Namun, keterbatasan infrastruktur dan perlengkapan di pos jaga mengurangi efektivitas pengamanan. Penelitian ini bertujuan untuk mengembangkan sistem berbasis Deep Learning menggunakan algoritma Faster RCNN untuk mendeteksi, melacak pergerakan musuh, dan memberikan respons otomatis berupa penembakan. Sistem ini menggunakan kamera Logitech C920 untuk pengambilan gambar, Raspberry Pi 4 Model B untuk pengolahan data, dan Arduino Nano untuk mengontrol motor servo TD8120MG yang berfungsi menggerakkan senjata dan menarik pelatuk. Hasil pengolahan data dikirimkan melalui video transmitter TS832 dan receiver RC832 untuk ditampilkan pada layar monitor. Hasil pengujian menunjukkan sistem Deep Learning mampu mendeteksi dan mengklasifikasikan objek "kawan" dan "musuh" berdasarkan atribut pakaian, baik dengan beberapa objek dalam satu frame maupun dalam berbagai kondisi pencahayaan (0, 45, 139, 4012 lux). Sistem juga mampu menggerakkan servo ke musuh terdekat untuk melakukan penembakan otomatis dengan rata-rata akurasi pergerakan servo X 87.25%, servo Y 88.89%, dan penembakan 88.87% dengan kecepatan respon 1.011 s. Sistem berhasil mendeteksi "musuh" pada jarak maksimal 36 m dan "kawan" pada jarak maksimal 16 m. Probabilitas deteksi "musuh" berdasarkan intensitas cahaya adalah 85.11% (139 lux), 78.04% (45 lux), dan 65.24% (0 lux). Sementara itu, probabilitas deteksi "musuh" berdasarkan jarak adalah 85.12% (2 m), 79.32% (4 m), dan 71,63% (6 m). Dengan demikian, sistem ini mampu meningkatkan keamanan pos jaga militer, meminimalkan risiko bagi personel jaga, serta mendukung pengamanan wilayah strategis.