<![CDATA[Kebakaran hutan merupakan ancaman serius bagi ekosistem dan kesehatan manusia karena menghasilkan asap berbahaya dan merusak lingkungan secara luas. Deteksi dini kebakaran menjadi tantangan penting, terutama dalam mengidentifikasi asap secara akurat melalui citra. Penelitian ini bertujuan mengembangkan sistem klasifikasi citra asap kebakaran hutan menggunakan metode Convolutional Neural Network (CNN) untuk mendukung monitoring lingkungan secara real-time. Dataset yang digunakan bersifat sekunder dan terdiri dari 10.500 citra yang diklasifikasikan ke dalam tiga kategori utama: noSmoke, smoke, dan fire, yang mewakili berbagai kondisi kebakaran hutan. Metode penelitian mencakup preprocessing citra, konversi ke format yang sesuai, serta pelatihan model CNN dengan teknik early stopping untuk mencegah overfitting. Model dilatih selama 17 dari 20 epoch yang direncanakan. Hasil pengujian menunjukkan akurasi klasifikasi sebesar 95%, dengan nilai presisi dan recall rata-rata 0,95, yang menandakan kemampuan model dalam mengidentifikasi pola visual asap secara efektif. Tantangan utama dalam penelitian ini adalah penanganan citra kabur atau berkualitas rendah. Secara keseluruhan, hasil ini menunjukkan bahwa pendekatan deep learning berbasis CNN memiliki potensi signifikan dalam membangun sistem deteksi asap kebakaran hutan yang akurat dan responsif.]]>
Copyrights © 2025
