PENDETEKSIAN API BERBASIS PENGOLAHAN CITRA DIGITAL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

MOHAMAD INDRA W, Wahyono, Ph.D

2020 | Skripsi | S1 ILMU KOMPUTER

Sistem alarm api konvensional bergantung pada penggunaan sensor suhu atau asap. Performa dari system ini sudah akurat naumn bukan berarti tidak mempunyai kelemahan. Akurasi dari system ini bergantung pada jarak antar titik api dengan posisi sensor ditempatkan. Penelitian ini mengusulkan system berbasis pengolahan citra digital menggunakan convolutional neural network untuk melengkapi system alarm api yang sudah ada. Convolutional neural network sebagai metode penelitian berbasis pengolahan citra digital sudah umum diterapkan, Namun penelitian yang mengaplikasikan convolutional neural network dalam bentuk fully convolutional network masihlah sangat sedikit. Adaptasi Fully Convolutional Network 8 upsampled Prediction (FCN-8s) ciptaan Long et al.(2015) digunakan sebagai metode yang diusulkan pada penelitian ini. Performa model yang diusulkan kemudian akan dibandingkan dengan pendeteksi api berbasis fully convolutional network yang diciptakan oleh Gonzales et al.(2017). Hasil menunjukkan bahwa performa FCN-8s mengalahkan performa SFEwAN-SD pada berbagai metrik baik dalam pengujian tingkat pixel dan tingkat citra.

Conventional fire alarm system depended on application of heat sensor and smoke sensor. Performance of said system is accurate however it isn't without flaw. Accuracy of most system depends on proximity of sensor against fire hotspot. This research proposed a system based on digital image processing using convolutional neural network method to complement existing fire alarm system. Convolutional neural network as method in digital image processing research especially is already commonly used. However research that applies convolutional neural network in form of fully convolutional network still scarce. Adaptation of Fully Convolutional Network 8 upsampled Prediction (FCN-8s) by Long et al.(2015) is used as proposed method. Performance of proposed method also then compared against existing fully convolutional network-based fired detection by Gonales et al.(2017). Results shows FCN-8s performance beats SFEwAN-SD in various metrics both pixel level and image level test.

Kata Kunci : Convolutional Neural Network, Pengolahan Citra Digital, Deteksi Api