RANCANG BANGUN SISTEM DETEKSI API PADA SISTEM TERTANAM MENGGUNAKAN ALGORITMA YOLOV4 BERBASIS IOT

Annastya Bagas Dewantara, . (2023) RANCANG BANGUN SISTEM DETEKSI API PADA SISTEM TERTANAM MENGGUNAKAN ALGORITMA YOLOV4 BERBASIS IOT. Skripsi thesis, Universitas Pembangunan Nasional Veteran Jakarta.

[img] Text
ABSTRAK.pdf
Download (10kB)
[img] Text
AWAL.pdf
Download (736kB)
[img] Text
BAB 1.pdf
Download (81kB)
[img] Text
BAB 2.pdf
Restricted to Repository UPNVJ Only
Download (648kB)
[img] Text
BAB 3.pdf
Restricted to Repository UPNVJ Only
Download (121kB)
[img] Text
BAB 4.pdf
Restricted to Repository UPNVJ Only
Download (834kB)
[img] Text
BAB 5.pdf
Download (73kB)
[img] Text
DAFTAR PUSTAKA.pdf
Download (84kB)
[img] Text
RIWAYAT HIDUP.pdf
Restricted to Repository UPNVJ Only
Download (17kB)
[img] Text
LAMPIRAN.pdf
Restricted to Repository UPNVJ Only
Download (132kB)
[img] Text
HASIL PLAGIARISME.pdf
Restricted to Repository staff only
Download (8MB)
[img] Text
ARTIKEL KI.pdf
Restricted to Repository staff only
Download (536kB)

Abstract

Kebakaran pada daerah dalam gedung seperti perumahan, perkantoran dan pemukiman merupakan penyebab tertinggi terjadinya kebakaran, dengan penyebab terbesar pada memasak, malfungsi listrik dan merokok. Pada penerapan pencegahan kebakaran menggunakan perangkat deteksi asap konvensional terdapat keterbatasan dalam mengukur intensitas tingkat kebakaran dan jangkauan terbatas dalam mendeteksi kebakaran. Menggunakan metode pendekatan objek lokalisasi YOLOv4, objek api dapat dideteksi dengan jangkauan yang lebih luas dan akurasi yang lebih tinggi, sehingga kebakaran dapat lebih mudah di antisipasi. Sistem ini menggunakan deteksi objek dengan algoritma YoloV4 pada sistem tertanam Raspberry Pi 4 yang tersambung dengan kamera. Sistem deteksi api mampu menyalakan alarm melalui piezzo buzzer dan mampu memberikan alerting kepada pengguna melalui sistem berbasis IoT pada ¬real-time website. Hasil pengujian menunjukkan bahwa model yang dilatih dengan menggunakan 996 gambar memiliki kemampuan generalisasi yang baik dalam mendeteksi api berukuran besar dan kecil serta mampu memprediksi api di dalam dan di luar ruangan. Model memiliki nilai hasil mAP@0.50 sebesar 0.81, precission sebesar 0.83, recall 0.79 dan F1-Score sebesar 0.81.

Item Type: Thesis (Skripsi)
Additional Information: [No.Panggil: 1910314024] [Pembimbing: Achmad Zuchriadi P.] [Penguji 1: Henry Binsar Hamonangan] [Penguji 2: Fajar Rahayu]
Uncontrolled Keywords: Fire, YOLOv4, Raspberry Pi, IoT, Convolutional Neural Network
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
T Technology > T Technology (General)
Divisions: Fakultas Teknik > Program Studi Teknik Elektro (S1)
Depositing User: Annastya Bagas Dewantara
Date Deposited: 01 Feb 2023 09:55
Last Modified: 01 Feb 2023 09:55
URI: http://repository.upnvj.ac.id/id/eprint/23098

Actions (login required)

View Item View Item