Implementasi Pembelajaran Mesin untuk Deteksi Api dengan Metode Color-SIFT Menggunakan Single-Board Computer

MUHAMMAD RIZAL MURTADHA

Informasi Umum

Kode

21.04.3250

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing

Dilihat

294 kali

Informasi Lainnya

Abstraksi

Kebakaran merupakan bencana yang sering terjadi di Indonesia terutama kebakaran hutan yang sangat berdampak bagi manusia. Kasus kebakaran hutan seringkali terjadi di daerah hutan luas yang jarang ada warga yang berkegiatan di area tersebut. Oleh karena itu sistem pendeteksi api dapat sangat membantu pendeteksian dini kebakaran. Dengan dibuatnya sistem pendeteksi api yang dapat diimplementasikan pada perangkt Single Board Computer (SBC) seperti raspberry pi dapat sangat bermanfaat, selain biaya yang lebih murah dibandingkan perangkan konvensional, ukuran SBC yang kecil mempermudah penerapan pada berbagai tempat seperti menara pengawas dan drone. Pada penelitian ini, dilakukan perancangan sistem pendeteksi api yang dapat diimplementasikan pada perangkat SBC. Sistem dibangun dengan menerapkan metode ekstraksi ciri Scale Invariant Feature Transform (SIFT). Metode ini diambil untuk membuktikan apakah metode ini dapat digunakan untuk implementasi pada perangkat SBC. Untuk metode klasifikasi, peneliti menggunakan Support Vector Machine (SVM). Untuk proses deteksi pada citra, peneliti menerapkan proses selective search untuk mendapatkan area yang berpotensi memiliki sumber api. Hasil pengujian mendapatkan nilai TPR 94,78%, TNR 29,36%, PPV 74,66%, NPV 71,93%, akurasi 74,31% dan F1-score 83,52% pada kernel RBF.