Shafira Almaisa Primary Author mixed material bibliography Banda Aceh Fakultas MIPA Informatika 2024

Skripsi

Kebakaran merupakan salah satu ancaman yang dapat dihadapi oleh bangunan sepanjang jangka waktu rancangannya yang mana dapat membahayakan keselamatan jiwa, menyebabkan kerusakan properti dan kerugian finansial. Namun, pendeteksi kebakaran yang umumnya diterapkan saat ini adalah pendeteksi kebakaran berbasis sensor yang mana masih memiliki kekurangan dalam mendeteksi keberadaan api dan asap. Oleh karena itu, pendeteksi api berbasis visi komputer menjadi jawaban untuk mengatasi kekurangan yang dimiliki oleh pendeteksi api berbasis sensor. Algoritma-algoritma deep learning dapat diterapkan untuk merancang pendeteksi kebakaran berbasis visi komputer, seperti Convolutional Neural Network (CNN) dan Multilayer Perceptron (MLP) dengan konsep transfer learning. Pelatihan dan pengujian model dilakukan dengan menggunakan dataset dari situs Kaggle dengan judul Forest Fire, Smoke, Non Fire Image Dataset. Hasil evaluasi menggunakan metrik accuracy, loss, precision, recall dan f1-score menunjukkan bahwa model CNN menunjukkan performa yang lebih unggul dalam melakukan klasifikasi gambar api dan asap dengan akurat pada konfigurasi model epochs 40, learning rate 0.00001 dengan dimensi input 244x244. Hasil perhitungan metrik evaluasi yang dicapai oleh model CNN secara berurutan adalah 98.26\%, 0.0735, 0.9827, 0.9826 dan 0.9825. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 127864 2024-08-13 19:19:43 2024-08-14 15:06:58 machine generated