Burhanuddin, Zidan Saefullah (2024) PERANCANGAN FIRE OBJECT DETECTION DENGAN METODE ALGORITMA YOLOV4-TINY PADA PENENTUAN TRACKING POINT FIRE POSITION BERBASIS RASPBERRY PI 5. Undergraduate thesis, Universitas Diponegoro.

	Text TRO_S_Zidan Saefullah B.pdf - Published Version Restricted to Repository staff only Download (6MB) | Request a copy
	Text TRO_S_Zidan Saefullah B COVER.pdf - Published Version Download (522kB)
	Text TRO_S_Zidan Saefullah B BAB I.pdf - Published Version Download (209kB)
	Text TRO_S_Zidan Saefullah B DAPUS.pdf - Published Version Download (144kB)

Abstract

Kebakaran merupakan peristiwa yang timbul karena adanya api yang tidak
terkendali dan dapat terjadi secara tiba-tiba. POLRI mencatat sepanjang tahun 2018
– 2023 kasus kebakaran di Indonesia terjadi peningkatan dari tahun ke tahun dengan
total kasus sebanyak 5.336 kasus. BPS Kota Jakarta Pusat menyebutkan pemicu
terbesar terjadinya kebakaran adalah konsleting listrik dengan jumlah 68,63% dari
total kasus kebakaran yang terjadi pada tahun 2021. Selain itu, objek kebakaran
didominasi oleh bangunan dengan presentase sebesar 52,51%. Pemerintah melalui
Permen PU Nomor 26/PRT/M/2008 Tahun 2008 menjelaskan bahwa setiap
bangunan wajib memiliki proteksi dari kebakaran. Dengan demikian, setiap
bangunan seminimal mungkin harus tersedia APAR. Namun, sistem APAR saat ini
masih menggunakan metode konvensional dalam pengoperasiannya. Oleh sebab
itu, penulis merancang sistem Fire Object Detection dengan menggunakan image
processing dalam pengenalan objek api pada kebakaran Sistem ini bekerja pada
Raspberry Pi 5 yang diintegrasikan dengan webcam. Algoritma yang digunakan
pada penelitian ini adalah YOLOv4-Tiny yang difungsikan sebagai pengolah data
gambar pada hasil capture dari objek api. Selain mendeteksi objek api, sistem yang
dirancang ini mampu menentukan titik poin dari api sehingga pendeteksian objek
api akan semakin akurat dengan penerapan kalman filter. Dengan adanya sistem ini
diharapkan pendeteksian kebakaran pada bangunan dapat menjadi lebih akurat,
cepat, dan efisien.
Kata Kunci : Fire object detection, Image Processing, Kalman filter, Raspberry Pi
5, YOLOv4-Tiny

Actions (login required)

View Item