PERANCANGAN SISTEM DETEKSI ASAP DAN API MENGGUNAKAN PEMROSESAN CITRA
Abstract
Penelitian ini dirancang karena kebakaran hutan dan lahan menjadi masalah cukup serius
pada Negara-negara yang memiliki iklim tropis, salah satunya Indonesia. Untuk itu dilakukan
perancangan sistem deteksi asap dan api menggunakan pemrosesan citra. Perancangan sistem ini
menggunakan metode Convolutional Neural Network (CNN) sebagai pengolah data citra. Metode
ini banyak menghasilkan penelitian yang berguna bagi manusia karena mudah, efektif, efisien, dan
akurat. Seluruh database penelitian menggunakan citra gambar, dengan data input (data training)
berjumlah 144 data asap dan api sedangkan pada output (data uji) berjumlah 20 data asap dan api.
Terdapat tiga pengujian model deteksi asap dan api, yaitu berdasarkan jumlah data, jumlah iterasi,
dan penggunaan dropout regularization. Ketelitian hasil akurasi pengujian berdasarkan nilai rata-
rata dari objek yang terdeteksi. Untuk hasil model berdasarkan jumlah data pelatihan didapatkan
nilai persentase objek terdeteksi sebesar 100% pada asap dan 54% pada api, jika berdasarkan
jumlah iterasi didapatkan nilai persentase objek terdeteksi sebesar 94% pada asap dan 72% pada
api, dan apabila menggunakan dropout regularization didapatkan nilai persentase objek terdeteksi
sebesar 94% pada asap dan 100% api. Pengolahan citra dengan metode Convolutional Neural
Network pada penelitian ini menghasilkan nilai akurasi yang tinggi sesuai dengan target penelitian
yaitu diatas 50%
Collections
- Electric Engineering [786]