Deteksi Api dengan MultiColorFeatures, Background Subtraction dan Morphology

Guruh Shidik, Fajrian Adnan, Ricardus Pramunendar, Catur Supriyanto, Nurtantio Andono
2013 unpublished
ABSTRAK Pentingnya deteksi api secara dini dapat membantu memberikan peringatan serta menghindari bencana yang menyebabkan kerugian ekonomi dan kehilangan nyawa manusia. Teknik deteksi api dengan sensor konvensional masih memiliki keterbatasan, yakni memerlukan waktu yang cukup lama dalam mendeteksi api pada ruangan yang besar serta tidak dapat bekerja di ruangan terbuka. Penelitian ini mengusulkan metode deteksi api secara visual yang dapat digunakan pada camera surveillance dengan
more » ... dengan menggunakankombinasi Multicolorfeatures sepertiRGB, HSV,YCbCr dan Background Subtraction serta morphologyuntuk pendeteksian pergerakan api. Evaluasi penelitian dilakukan dengan menghitung tingkat error deteksi area api. Kata kunci : Background Subtraction, RGB, HSV, YcbCr, Deteksi Api. 1. PENDAHULUAN Api merupakan sumber energi yang dapat berpotensi menyebabkan kerugian, baik secara ekonomi maupun secara ekologi yang dapat merenggut korban jiwa. Berdasarkan data Badan Pantauan Bencana Nasional (BPNB) setidaknya telah terjadi 55 kali kebakaran di daerah DKI Jakarta pada tahun 2012 dimana kerugian terbesar menyebabkan 394 rumah terbakar dan 1271 jiwa kehilangan tempat tinggal [1]. Pentingnya pendeteksian api secara dini menurut Garcia[2] dapat membantu memberikan peringatan dan menghindari bencana yang menyebabkan kerugian ekonomi dan kehilangan nyawa manusia. Telah banyak teknik pendeteksian kebakaran secara dini yang telah dilakukan, diantaranya dengan cara konvensional dimana pendeteksian api didasarkan pada sample partikel, temperature, rata-rata kelembapan, analisis asap menggunakan detektor ultraviolet dan infrared [3][4]. Pendeteksian api dengan cara konvensional, memiliki karakteristik hanya mendeteksi partikel yang dihasilkan oleh asap maupun api dengan cara ionisasi dan photometry hanya pada suatu titik. Kelemahan deteksi dini menggunakan alat ini ialah memerlukan waktu yang cukup lama pada ruangan yang besar serta tidak dapat bekerja pada ruangan terbuka[5]. Detektor kebakaran dengan cara konvensional tidak mampu memberikan informasi tambahan mengenai terjadinya proses kebakaran seperti posisi titik api dari sensor, ukuran api, dan seberapa besar api bertambah. Sensor konvensional ini juga terkadang memberikan kesalahan deteksi (false alarm) yang tinggi karena tidak hanya api yang menyebabkan kebakaran juga ikut terdeteksi [6]. Untuk mendeteksi api secara dini dengan lebih baikdapat dilakukan dengan cara visual[6]. Deteksi kebakaran visual dapat berguna dalam kondisi dimana detektor api konvensional tidak dapat bekerja[7]. Keuntungan yang didapat dari pemanfaatan deteksi api berdasarkan visual sensor ialah biaya yang murah karena hanya menggunakan kamera standard, dimana pemanfaatan kamera ini telah banyak dipasang dan digunakan untuk keamanan gedung. Selanjutnya ialah respon dalam mendeteksi api lebih cepat karenatidak perlu menunggu sampai api membesar. Kemampuan untuk memantau area yang cukup besar dan jauh. Selain itu, deteksi api dengan kamera juga memudahkanpengecekan ketika terjadi kesalahan deteksi (false alarm), sehingga petugas dapat melakukan pengecekan dan konfirmasi tanpa harus menuju lokasi kebakaran[8]. Penelitian pendeteksian api secara visual dapat dilakukan dengan memanfaatkan kamera yang telah ada saat ini, dimana teknik dasarnya ialah membedakan citra yang direkam setiap frame. Penelitian sebelumnya didalam imageprocessing terklasifikasi menjadi dua, yang salah satunya fokus kepada citra berwarna[9], [10],[11], [12], [13], [14] dan lainnya pada citra gray scale [15],[16],[17]. Penelitian ini mengembangkanmetode pendeteksian api untuk deteksi dini kebakaran menggunakanMulticolorfeatures sepertiRGB, HSV, YCbCryang akan digunakan untuk membangun rules dalam segmentasi titik api, selanjutnya dikombinasikan denganBackground Subtractiondanmorphology. Pada tahap akhir penelitian dievaluasi dengan menghitung tingkat error deteksi untuk mengetahui keakuratan metode ini.
fatcat:iqtcl5t2dnfybh7ano5hlfkgju