Dana, Mohamad Misfaul May (2018) Rancang Bangun Sistem Deteksi Titik Kebakaran Dengan Metode Naive Bayes Menggunakan Sensor Suhu Dan Sensor Api Berbasis Arduino. Sarjana thesis, Universitas Brawijaya.
Abstract
Kebakaran menjadi sebuah masalah yang bisa terjadi di mana saja baik itu di gedung perkantoran, perumahan atau pun di fasilitas umum. Proses datangnya kebakaran selalu tidak dapat diprediksi terlebih dahulu. Sistem yang ada saat ini berupa pendeteksi ada kebakaran atau tidak, jika ada kebakaran maka akan mengirim pemberitahuan berupa pesan kepada pemilik rumah melalui smartphone. Sistem tidak bisa mendeteksi di mana lokasi kebaran, karena dengan mengetahui lokasi kebakaran maka akan mempercepat proses evakuasi. Berdasarkan permasalahan tersebut perlu adanya sistem pendeteksi kebakaran yang dapat memberi peringatan lokasi titik terjadinya kebakaran agar para penghuni yang berada di dalam bangunan segera melakukan evakuasi dan fire sprinkler dapat menyemprotkan air langsung ke titik terjadinya kebakaran. Proses penentuan lokasi titik kebakaran melalui nilai suhu ruangan diperoleh dari hasil pembacaan sensor LM35 yang terhubung dengan Arduino mega sebagai mikrokontroler dengan menggunakan metode Naive Bayes. Sensor Lm35 akan membaca nilai suhu ruangan secara terus– menerus sehingga jika ada trigger sistem akan memberi peringatan ada kebakaran pada lokasi tertentu. Trigger diperoleh dari sensor flame untuk mendeteksi ada api atau tidak, ketika ada api maka sensor flame akan mengirim trigger kepada arduino mega dan memasukan nilai Lm35 ke dalam metode Naive Bayes. Peneliti menggunakan metode Naive Bayes untuk menentukan klasifikasi titik kebakaran. Metode ini dipilih karena merupakan salah satu metode klasifikasi yang cukup baik dimana kelas penggolongan titik kebakaran telah ditentukan sejak awal. Setelah penilitian dilakukan, terdapat beberapa kesimpulan. Kesimpulan pertama sistem pendeteksi lokasi titik kebakaran ketika diuji dalam ruangan tidak menggunakan AC dengan data pengujian sebanyak 36 titik diperoleh keakurasian sebanyak 94%. Kesimpulan kedua ketika sistem pendeteksi kebakaran digunakan pada ruang yang menggunakan AC dari 36 titik pengujian didapatkan keakurasian sebanyak 86%. Kesimpulan ketiga sistem membutuhkan waktu 0.48 detik untuk menentukan keputusan di mana lokasi terjadinya kebakaran.
English Abstract
Fire be a problem that could happen anywhere, in office buildings, housing or in public facilities. The process of the fire did not predictable. The current system which detection of is a fire or not , if there was a fire notice will send a message to the owner of the through smartphone. the system can’t detect in which the location of fire, because know the location of fire will ease the evacuation process. Based on these problems , there must be a fire detection system might give warning spot location fire incident that human were inside the building immediately evacuation and fire sprinkler can inject water directly to the fire. The process of the determination of recipient point fire use the room temperature obtained from the results of reading sensors lm35 connected with arduino mega as mikrokontroler to be implemented with the methods naive bayes. Sensor LM35 read the value of room temperature in a recurrent manner , if there is a trigger on a system . then system warning there was a fire on a certain location. Trigger obtained from sensors flame to detect there was a fire or not, when there was a fire. sensor flame will send triger to arduino mega and value lm35 will be processed in to the methods naive bayes.Researchers used a method of bayes naive to determine the classification fire. This method chosen because it is one of a good the classification methods, the categorization of point class fire has been set since the beginning. After the research was done , there are several conclusions .First conclusion a detection system locations fire point when tested in training room air-conditioning with the data testing as many as 36 points obtained value 94% accuracy. Conclusions second, when fire detection system used in the air conditioning of 36 points testing get some 86 % accuracy. Third conclusion, the system takes time 0.48 seconds to determines any decision in which the location of the occurrence of fire incident.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/121/051801108 |
| Uncontrolled Keywords: | Kebakaran, Klasifikasi, Naive Bayes, Sensor |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning > 006.312 Data mining |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 28 Jun 2018 02:59 |
| Last Modified: | 26 Oct 2021 07:22 |
| URI: | http://repository.ub.ac.id/id/eprint/11696 |
Preview |
Text
BAB III.pdf Download (746kB) | Preview |
Preview |
Text
BAB IV.pdf Download (719kB) | Preview |
Preview |
Text
Daftar Pustaka.pdf Download (471kB) | Preview |
Preview |
Text
BAB VII.pdf Download (579kB) | Preview |
Preview |
Text
Bagian Depan.pdf Download (991kB) | Preview |
Preview |
Text
BAB V.pdf Download (3MB) | Preview |
Preview |
Text
BAB VI.pdf Download (1MB) | Preview |
Preview |
Text
Lampiran.pdf Download (689kB) | Preview |
Preview |
Text
BAB II.pdf Download (1MB) | Preview |
Preview |
Text
BAB I.pdf Download (631kB) | Preview |
Actions (login required)
 |
View Item |