IDID

Jurnal Ilmu Komputer dan InformatikaJurnal Ilmu Komputer dan Informatika

Api merupakan ancaman serius bagi keselamatan manusia dan properti, terutama di lingkungan perkotaan padat penduduk di mana deteksi dini yang cepat dan akurat sangat penting. Penelitian ini mengusulkan sistem deteksi api otomatis berbasis computer vision dan klasifikasi Logistic Regression dengan integrasi fitur tekstur dan warna (GLCM, RGB Ratio, RGB Intersection, dan Color Moments) untuk meningkatkan kinerja deteksi. Dataset dari Kaggle diproses melalui segmentasi warna HSV untuk mengisolasi area kandidat api sebelum dilakukan anotasi manual. Fitur yang diekstraksi digunakan untuk melatih model Logistic Regression dengan tuning parameter max_iter. Hasil eksperimen menunjukkan akurasi 86% pada dataset latih dan 87% pada dataset uji, dengan recall masing-masing 84% dan 82%. Meskipun demikian, masih ada false negatives yang perlu diperbaiki. Perbandingan dengan CNN menunjukkan Logistic Regression lebih unggul dalam kecepatan pemrosesan (16,2 FPS vs 11 FPS), sehingga lebih cocok untuk aplikasi real-time. Integrasi ekstraksi multi-fitur dengan Logistic Regression memberikan keseimbangan antara akurasi dan efisiensi komputasi untuk deteksi dini api.

Kombinasi fitur GLCM, RGB Ratio, RGB Intersection, dan Color Moments dalam model Logistic Regression memberikan hasil deteksi api yang cukup baik.Pada dataset latih, model mencapai akurasi 86% dan recall 84%, sementara pada dataset uji, akurasi mencapai 87% dengan recall 82%.Meski demikian, masih ada potensi peningkatan dalam mengurangi false negatives untuk meningkatkan sensitivitas deteksi.

Penelitian lanjutan dapat menggabungkan Logistic Regression dengan metode ensemble untuk meningkatkan akurasi deteksi. Selain itu, pengembangan teknik segmentasi HSV adaptif berdasarkan kondisi cahaya lingkungan bisa membantu mengurangi false negatives. Alternatifnya, integrasi model Logistic Regression dengan CNN ringan dapat mempertahankan kecepatan pemrosesan sambil meningkatkan kemampuan deteksi detail api yang kompleks.

  1. Fire Detection Using Logistic Regression with GLCM, RGB Ratio, RGB Intersection, and Color Moments |... jiki.jurnal-id.com/index.php/jiki/article/view/250Fire Detection Using Logistic Regression with GLCM RGB Ratio RGB Intersection and Color Moments jiki jurnal id index php jiki article view 250
Read online
File size654.18 KB
Pages12
DMCAReport

Related /

ads-block-test