Sistem Pendeteksi Dini Kebakaran Menggunakan Colour Image Processing dan Raspberry Pi

Muhamammad Nasir, Atthariq Atthariq, Muhammad Arhami

Abstrak


Abstrak— Kebakaran merupakan kejadian timbulnya api secara tiba-tiba baik disengaja maupun tidak yang tidak terkendali sehingga dapat membahayakan jiwa maupun harta benda. Kebakaran sulit untuk diprediksi kapan dan dimana terjadinya. Misalnya kebakaran pada perumahan atau bangunan, kebakaran hutan yang bisa terjadi pada siang maupun malam hari. Untuk itu, sistem yang efektif untuk mendeteksi kebakaran dini diperlukan Dari sudut pandang fungsi utama, Kamera Raspberry Pi NoIR adalah alat yang tepat digunakan untuk mendeteksi api. Bentuk yang sederhana dapat dipasang di mana-mana dengan mudah Kamera Raspberry Pi NoIR yang dapat memantau lokasi selama 24 jam sangat efektif untuk mencegah terjadinya kebakaran. Dalam penelitian ini, akan dibangun sistem yang dapat mendeteksi kebakaran pada video berbasis pengolahan citra dengan dukungan CIP (Colour Image Processing) dan Raspberry Pi. Sistem memproses data video dengan menerapkan hasil segmentasi warna api untuk mendeteksi kebakaran. Sistem menggunakan pengolahan citra pada CIP untuk metode yang memerlukan komputasi tinggi agar bisa tercapai sistem deteksi kebakaran secara real time dan Raspberry Pi dijadikan suatu main system dari perangkat perangkat yang lain. Dari hasil pengujian rata-rata akurasi sistem deteksi kebakaran pada siang hari yaitu 97,96% dengan kesalahan rata-rata sebesar 0,25% dari 15 sampel video dan pada malam hari yaitu 98,65% dengan kesalahan rata-rata sebesar 0,85% dari 15 sampel video.

Kata kunci— CIP(Colour Image Processing), Raspberry Pi, Pengolahan Citra, Segmentasi Warna.

 

Abstract— Fire is a sudden occurrence of fire either intentionally or not that is uncontrolled so that it can endanger lives and property. Fires are difficult to predict when and where they occur. For example fires in housing or buildings, forest fires that can occur during the day or night. For this reason, an effective system for detecting early fires is needed. From the point of view of the main function, the Raspberry Pi NoIR Camera is the right tool used to detect fire. Simple forms can be installed everywhere easily Raspberry Pi NoIR cameras that can monitor locations for 24 hours are very effective in preventing fires. In this study, a system will be built that can detect fires on image-based video with the support of CIP (Color Image Processing) and Raspberry Pi. The system processes video data by applying fire color segmentation results to detect fires. The system uses image processing in CIP for methods that require high computation in order to achieve a real time fire detection system and the Raspberry Pi is used as a main system from another device. From the test results the average accuracy of the fire detection system during the day is 97.96% with an average error of 0.25% from 15 video samples and at night which is 98.65% with an average error of 0.85 % of 15 video samples.

Keywords— CIP (Color Image Processing), Raspberry Pi, Image Processing, Color Segmentation 


Teks Lengkap:

PDF

Referensi


Atthariq, Nasir. M, 2017. “Aplikasi Pengolahan Citra Sebagai Pendeteksi Dini Kebakaran Menggunakan Colour Image Prosessing” Proseding SEMNAS PNL 2017.

Permana, A. S., Usman, K., dan Murti, M. A., 2009, Deteksi Kebakaran Berbasis Webcam Secara Real Time dengan Pengolahan Citra Digital, Konferensi Nasional Sistem dan Informatika, Bali, Indonesia, 14 November 2015.

Prahara, Adhi., 2015, Deteksi Kebakaran pada Video Berbasis Pengolahan Citra dengan Dukungan GPU, Seminar Nasional Aplikasi Teknologi Informasi (SNATi) 2015 Yogyakarta, 6 Juni 2015

Nasir, Muhammad, 2013. “ Deteksi Usia Tanaman Padi Berdasarkan Indeks Warna”. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2013), Medan, hal. 3-145.

Nasir, Muhammad, 2015. “ Identifikasi Kebutuhan Pupuk Pada Tanaman Padi Menggunakan Gray-Level Co-Occurence Matrix dan Jaringan Saraf Tiruan Backpropagation”. Jurnal LITEKS No. 2 Volume 4 Oktober 2015.

Nasir, Muhammad, 2016. “Aplikasi temu kembali citra buah berdasarkan warna dan tekstur dengan FGKA Clustering (Fast Genetics K-Means Algorithm)” Proseding SEMNASIK Volume 1 Nomor 1, November 2016 (ISSN : 2548-1460)

Atthariq, 2012. “Simulasi robot bergerak mencari jalur terdekat untuk memadamkan api yang diletakkan secara acak pada 4 buah ruangan dengan metode algoritma genntik” Jurnal LITEKS No. 2 Volume 2 Oktober 2012.

Atthariq, 2013. “Rancang Bagun Robot Pencari Korban Bencana Alam dengan Kontrol Wireless Modulasi FM (Frequency Modulation) - FSK (Frequency Shift Keying )”. Jurnal LITEKS No. 1 Volume 2 Oktober 2013.

Barry. R, Nasir. M, Atthariq, 2017. “Penerapan Sistem Monitoring dan Pengaturan Suhu dan Kelembaban Pada Inkubator Bayi Berbasis Single Board Computer (SBC)” Proseding SEMNAS PNL 2017.

Detection in Video Sequence, 14th European Signal Processing Conference (EUSIPCO), Florence, Italy, 4-8 September 2006.

Gunawan, Ketut, Deni, I. 2013 (Januari). “Klasifikasi Citra Buah Jeruk Kintamani Berdasarkan Fitur Warna dan Ukuran Menggunakan Pendekatan Euclidean Distance,”hal.265.(online)http://pti.undiksha.ac.id/karm apati/vol2no1/22.pdf. diakses 28 September 2017..

Inggrid, H,Maria. Dan Herry Santoso.2014.”Ekstraksi Antooksidan dan Senyawa Aktif,”hal.4.(online)http://journal.unpar.ac.id/index.php/ rekayasa/article viewFile/1253/1232. diakses 25 September 2017.

Juhari,Imam.2014.“Perancangan Aplikasi Pengurangan Noise pada Objek Citra Digital Menggunakan Metode Filter Gaussian,”hal.82.(online). https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&sou rce=web&cd=1&cad=rja&uact=8&ved=0ahUKEwjf- feh2qrJAhUBjo4KHXfoB.diakses 10 November 2017.

Kadir,Abdul dan Adhi Susanto, 2012. Pengolahan Citra. Yogyakarta : Andi.

Kusumanto, RD dan Alan Novi Tompunu. 2011. “Pengolahan Citra Digital Untuk Mendeteksi Objek Menggunakan Pengolahan Warna Model Normalisasi Rgb,”hal.2.(online)publikasi.dinus.ac.id/index.php/sema ntik/article/download/153/116.diakses 20 juni 2017.

Munir,Rinaldi. Pengolahan Citra Digital, 2004. Cet.ke-1. Bandung : Informatika.

Rafael C. Gonzalez and Richard E. Woods, 2002. Digital Image Processing. Adison-Wesley Publishing.

Wulansari, Dewi. (2014). “Pengelompokan gambar berdasarkan fitur warna dan tekstur Dengan fgka clustering (fast genetics k-means algorithm) untuk pencocokan gambar” (online) https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&s ource=web&cd=1&cad=rja&uact=8&ved=0ahUKEwiEv tua69POAhULK48KHcueBA0QFggaMAA&url=https% 3A%2F%2Fwww.pens.ac.id%2Fuploadta%2Fdownload mk.php%3Fid%3D1214&usg=AFQjCNFg7mvITMuNN UrBbXlRau8KnwLfGw&bvm=bv.129759880,d.c2I diakses 10 Juni 2017

Zivkovic, Z., 2004, Improved Adaptive Gaussian Mixture Model for Background Subtraction, Proceedings International Conference in Pattern Recognition (ICPR), UK, Agustus 2004.


Refbacks

  • Saat ini tidak ada refbacks.


Hak Cipta (c) 2019 Prosiding Seminar Nasional Politeknik Negeri Lhkseumawe



Creative Commons License

Prosiding Seminar Nasional Politeknik Negeri Lhokseumawe is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License

© 2017 All rights reserved |Seminar nasional Politeknik Negeri Lhokseumawe p-ISSN:2598-3954.

.