ANALISIS PENERAPAN DEEP LEARNING PADA EMBEDDED SYSTEM UNTUK UAV SURVEILLANCE
DOI:
https://doi.org/10.63824/jtep.v13i2`.511Keywords:
Deep Learning, Embedded System, UAV Surveillance, Edge Computing, Artificial IntelligenceAbstract
Perkembangan teknologi Unmanned Aerial Vehicle (UAV) telah mendorong transformasi sistem pengawasan modern pada berbagai sektor, termasuk keamanan, pertahanan, mitigasi bencana, dan pemantauan wilayah. Integrasi deep learning pada embedded system memungkinkan UAV tidak hanya berfungsi sebagai platform akuisisi data, tetapi juga sebagai sistem cerdas yang mampu melakukan analisis visual secara real-time langsung pada perangkat melalui konsep edge computing. Penelitian ini bertujuan untuk menganalisis penerapan deep learning pada embedded system untuk UAV surveillance, meliputi perkembangan teknologi, keunggulan implementasi, tantangan teknis, serta peluang pengembangannya di masa depan. Penelitian menggunakan metode kualitatif dengan pendekatan studi literatur. Data diperoleh dari jurnal ilmiah, prosiding konferensi, buku akademik, dan publikasi relevan periode 2020–2026. Analisis data dilakukan melalui reduksi data, kategorisasi tema, sintesis temuan, dan interpretasi kritis. Hasil penelitian menunjukkan bahwa penerapan deep learning pada embedded system mampu meningkatkan kemampuan deteksi objek secara otomatis, mempercepat respons sistem, meningkatkan efisiensi operasional, serta mengurangi ketergantungan terhadap server eksternal. Namun demikian, implementasi masih menghadapi tantangan berupa keterbatasan kapasitas komputasi, konsumsi energi, kebutuhan optimasi model, dan keandalan sistem pada lingkungan dinamis. Penelitian ini menyimpulkan bahwa integrasi deep learning dan embedded system memiliki prospek yang sangat besar dalam pengembangan UAV surveillance modern, khususnya untuk mendukung sistem keamanan dan pertahanan berbasis teknologi cerdas.
References
Creswell, J. W., & Creswell, J. D. (2021). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). Sage Publications.
Goodfellow, I., Bengio, Y., & Courville, A. (2021). Deep learning. MIT Press.
Indri, E., & Murtopo, A. (2025). Integrasi kecerdasan buatan dalam drone militer: Analisis teknologi dan implementasi pada TNI Angkatan Darat. Jurnal Elektrosista, 12(2), 123–130.
Kırac, E., & Özbek, S. (2024). Deep learning based object detection with unmanned aerial vehicle equipped with embedded system. Journal of Aviation, 8(1), 35–44. https://doi.org/10.30518/jav.1369996
Li, H., Chen, Y., & Zhao, M. (2022). Intelligent UAV visual analytics using deep learning methods. Applied Artificial Intelligence, 36(4), 221–239. https://doi.org/10.1080/08839514.2022.2034567
Madasamy, K., Subramaniam, U., Padmanaban, S., Holm-Nielsen, J. B., & Blaabjerg, F. (2021). Embedded system-based object surveillance detection system with small drone using deep YOLO. EURASIP Journal on Image and Video Processing, 2021(1), 1–12. https://doi.org/10.1186/s13640-021-00574-2
Miles, M. B., Huberman, A. M., & Saldaña, J. (2020). Qualitative data analysis: A methods sourcebook (4th ed.). Sage Publications.
Rahmaniar, W., & Hernawan, A. (2022). Implementasi computer vision berbasis embedded system untuk pengawasan area menggunakan UAV. Jurnal Teknologi Informatika dan Komputer, 7(2), 45–53.
Shi, W., Cao, J., Zhang, Q., Li, Y., & Xu, L. (2021). Edge computing: Vision and challenges for intelligent systems. IEEE Internet of Things Journal, 8(4), 2212–2225. https://doi.org/10.1109/JIOT.2020.3031234
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039
Sze, V., Chen, Y., Yang, T., & Emer, J. (2020). Efficient processing of deep neural networks: A tutorial and survey. Proceedings of the IEEE, 108(10), 1657–1687. https://doi.org/10.1109/JPROC.2020.2995530
Tang, G., Ni, J., Zhao, Y., & Gu, Y. (2024). A survey of object detection for UAVs based on deep learning. Remote Sensing, 16(1), 149. https://doi.org/10.3390/rs16010149
Valavanis, K. P., & Vachtsevanos, G. J. (2021). Handbook of unmanned aerial vehicles. Springer. https://doi.org/10.1007/978-90-481-9707-1
Zhang, X., Wang, Y., & Li, H. (2024). Real-time detection sensor for UAV using YOLOv8 algorithm. Sensors, 25(19), 6246. https://doi.org/10.3390/s25196246
Zhou, Y., Wang, S., & Liu, J. (2023). Edge computing based intelligent UAV surveillance system using deep learning. IEEE Access, 11, 34567–34579. https://doi.org/10.1109/ACCESS.2023.3267891
Zhu, H., Chen, Y., & Wang, L. (2022). Deep learning-based object detection for unmanned aerial vehicle applications: A review. Applied Sciences, 12(9), 4521. https://doi.org/10.3390/app12094521
Wolf, W. (2020). Computers as components: Principles of embedded computing system design (4th ed.). Morgan Kaufmann.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Adi Murtopo, Ahmad Nur Ahsan
This work is licensed under a Creative Commons Attribution 4.0 International License.
