Hasil pencarian

ThesisOpen AccessMetadata saja

Purwarupa Sistem Pemantauan Potensi Kebakaran Gambut Dengan Multi Sensor

ADITYA PRATAMA

•Skripsi, Thesis, Disertasi, dan Tugas Akhir

PURWARUPA SISTEM PEMANTAUAN POTENSI KEBAKARAN GAMBUT DENGAN MULTI SENSOR Nama Mahasiswa : Aditya Pratama NPM : 15.301020.007 Dosen Pembimbing : Mulyadi, S.T., M.T. ABSTRAK Kebakaran hutan dan lahan merupakan salah satu peristiwa yang sangat merugikan masyarakat. Hampir setiap tahun, provinsi Kalimantan Utara mengalami bencana kebakaran lahan. Tidak hanya di Indonesia, asap kebakaran hutan dapat mencemari udara di negara tetangga. Kebakaran lahan dapat mengancam keselamatan jiwa serta potensi kerugian material dalam jumlah besar. Curah hujan yang rendah, tanah dan tanaman yang mengering serta suhu yang tinggi dapat mengakibatkan munculnya titik api yang berakibat kebakaran lahan. Penelitian ini bertujuan untuk mewujudkan sebuah purwarupa yang dapat digunakan untuk memantau kebakaran gambut melalui aplikasi Blynk. Dengan adanya purwarupa ini diharapkan dapat membantu pengguna dalam memantau dan potensi kebakaran maupun menangani kebakaran apabila telah terjadi. Sistem yang dibangun memungkinkan purwarupa untuk mengukur dan menampilkan hasil pengukuran pada aplikasi Blynk serta memberikan notifikasi apabila nilai hasil pengukuran suhu, kelembaban tanah, keberadaan api dan kadar gas CO2 memenuhi kriteria tingkat kondisi yang telah ditentukan. Berdasarkan hasil pengujian purwarupa yaitu sebanyak 10 kali pengambilan data. Terdapat dua kondisi yang terdeteksi sistem dan ditampilkan pada LCD dan notifikasi aplikasi Blynk yaitu pada kondisi berpotensi kebakaran dengan nilai masing – masing sensor yaitu suhu 36°C, kelembaban tanah 19,0 %, kadar gas CO2 330 ppm, dan tidak terdeteksi adanya api. Dan untuk kodisi asap terdeteksi dengan nilai masing – masing sensor yaitu suhu 35,1°C, kelembaban tanah 17,8 %, kadar gas CO2 698 ppm, dan tidak terdeteksi adanya api. Selama pengujian purwarupa, aplikasi Blynk berhasil menampilkan hasil pengukuran purwarupa dan notifikasi kondisi lahan disekitar purwarupa. Dalam mendeteksi potensi kebakaran, sistem berhasil mendeteksi semua parameter yang ditargetkan.

Sistem pemantauanLahan gambutKebakaran

1 dilihat · 0 unduhanSitasiDetail

ThesisOpen AccessMetadata saja

RANCANG BANGUN SISTEM DETEKSI OTOMATIS PENGGUNAAN SENJATA TAJAM MENGGUNAKAN DEEP LEARNING BERBASIS YOLO

NADZIAH FITRIANI

2026•

Penelitian ini bertujuan untuk merancang dan membangun sistem deteksi objek senjata tajam berbasis deep learning menggunakan algoritma YOLOv8n. Sistem yang dibangun difokuskan pada pendeteksian tiga jenis senjata tajam, yaitu pisau, sabit, dan parang. Dataset yang dikumpulkan sebanyak 1.200 citra dengan rincian 600 citra primer dan 600 citra sekunder. Citra yang telah dikumpulkan akan diproses melalui tahapan konstruksi dataset, meliputi proses anotasi dan augmentasi data (saturation, brightness, dan resize) hingga diperoleh sebanyak 2.640 dataset. Hasil kontruksi dataset selanjutnya dibagi menjadi 2.160 citra untuk data latih, 240 citra untuk validasi data, dan 240 citra untuk data uji. Hasil pemodelan YOLOv8n yang dilatih sebanyak 100 epoch terhadap 2.160 citra latih diperoleh box precision, recall, mAP50, dan mAP50-95 masing-masing sebesar 0,865, 0,815, 0,895 dan 0,649. Evaluasi terhadap data uji diperoleh nilai precision, recall, dan F1-score masing-masing sebesar 0,837, 0,819, dan 0,827 dengan kelas terbaik ada pada kelas sabit dengan nilai precision sebesar 0,937, recall sebesar 0,913, dan F1-score sebesar 0,924. Hasil pengujian sistem secara real-time dalam berbagai variasi jarak (1-4 meter) menunjukkan bahwa sistem mampu melakukan deteksi objek secara responsif dengan nilai rata-rata precision 0,824, recall 0,760, dan F1-score 0,790. Hasil menunjukkan bahwa sistem yang dikembangkan mampu mendeteksi objek senjata tajam dan menampilkan hasil deteksi secara langsung. Dengan demikian, penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem deteksi senjata tajam berbasis deep learning pada berbagai lingkungan.

Deteksi Senjata TajamYOLOv8nDeep LearningDeteksi ObjekSistem Pemantauan Visual

2 dilihat · 0 unduhanSitasiDetail