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%