<![CDATA[Kebakaran bangunan merupakan bencana yang sering terjadi dan menyebabkan kerugian material maupun korban jiwa. Sistem deteksi kebakaran konvensional masih memiliki keterbatasan, yaitu hanya mengandalkan sensor asap atau suhu tanpa validasi visual dan mekanisme penanganan otomatis. Penelitian ini bertujuan merancang dan membangun sistem deteksi kebakaran berbasis Internet of Things (IoT) dan kecerdasan buatan yang mampu bekerja secara real-time dan terintegrasi. Metode yang digunakan adalah penelitian terapan dengan pendekatan rekayasa sistem. Sistem dirancang menggunakan sensor MQ-2 untuk mendeteksi gas atau asap, sensor BME280 untuk suhu, kamera CCTV, serta mikrokontroler ESP32. Deteksi manusia dilakukan menggunakan model YOLOv8n yang dilatih dengan total 6.277 citra. Data ditampilkan pada web dashboard, disimpan ke database PostgreSQL, dilengkapi notifikasi telegram, serta fitur laporan PDF. Hasil pengujian menunjukkan sensor MQ-2 dan BME280 mampu mendeteksi kondisi bahaya dengan nilai gas 671 ppm dan suhu 79,50°C. Model YOLOv8n menghasilkan akurasi 84%, presisi 90%, recall 93%, dan F1-score 91% dalam mendeteksi manusia. Web dashboard menampilkan data real-time, history kejadian, dan unduh laporan. Notifikasi telegram berhasil terkirim otomatis saat kondisi bahaya dengan terdeteksinya manusia. Database menyimpan seluruh data kejadian secara terstruktur. Kesimpulannya, sistem yang dikembangkan mampu meningkatkan kecepatan deteksi dan akurasi informasi kebakaran, serta memberikan respons adaptif melalui integrasi sensor, kecerdasan buatan, notifikasi, dan pelaporan otomatis. Sistem ini diharapkan dapat diterapkan tidak hanya pada lingkungan rumah, tetapi juga gedung bertingkat maupun perkantoran.]]>
Copyrights © 2026
