<![CDATA[Banyak bencana yang telah terjadi akhir-akhir ini, mulai dari bencana alam maupun bencana yang disebabkan oleh manusia itu sendiri. Kebakaran adalah salah satu bencana yang paling sering terjadi dan memilki tingkat kerugian yang tidak sedikit. Salah satu upaya yang dapat dilakukan untuk mengenali api adalah pendeteksian pada citra digital, dikarenakan karakteristik api yang bisa langsung dilihat secara visual. Pada penelitian ini, penulis akan fokus pada salah satu karakteristik api, yaitu warna. Dalam segmentasi fitur warna, penulis menggunakan ruang warna YCbCr dan RGB. Ekstraksi data dilakukan dengan menggunakan metode K-Means Clustering. Hasil ekstraksi akan diklasifikasikan dengan Support Vector Machine (SVM), untuk mengelompokan citra yang mengandung api dengan citra biasa. Untuk data latih dan data uji, penulis akan menggunakan citra hutan agar dapat melakukan perbandingan hasil dengan penelitian sebelumnya. Selain itu, penulis juga akan menggunakan citra bangunan sebagai skenario tambahan untuk melihat hasil tingkat efektifitas algoritma yang penulis pakai pada kondisi citra selain hutan. Hasil penelitian menunjukan bahwa penggabungan mode warna RGB dan YCbCr dalam mendeteksi api pada citra digital hutan dan bangunan memiliki tingkat keberhasilan >90%, dengan tingkat akurasi yang lebih tinggi pada citra digital yang diambil pada siang hari.]]>
Copyrights © 2020
