PUBLINEPUBLINE

Journal of Computer Science and Information TechnologyJournal of Computer Science and Information Technology

Kebakaran hutan dan lahan di Sumatra menimbulkan tantangan lingkungan, kesehatan, dan ekonomi yang signifikan. Penelitian ini bertujuan mengembangkan sistem peringatan dini dengan mengintegrasikan visi komputer dan data penginderaan jauh untuk meningkatkan akurasi deteksi api secara real-time. Metode ini menggunakan teknik pemrosesan citra berbasis algoritma YOLO dan CNN, dikombinasikan dengan data satelit MODIS dan Landsat untuk pemantauan titik panas. Analisis data dilakukan dengan pendekatan machine learning dan integrasi multi-sumber data. Hasil menunjukkan sistem mencapai akurasi deteksi di atas 90% dan memberikan peringatan lebih awal dibanding metode konvensional. Integrasi citra drone dan data satelit terbukti efektif dalam mendeteksi api di tahap awal. Penelitian ini berkontribusi pada pengembangan sistem pemantauan api cerdas untuk mendukung upaya mitigasi bencana di Indonesia.

Penelitian ini mengembangkan sistem peringatan dini kebakaran hutan dan lahan di Sumatra melalui integrasi visi komputer dan data penginderaan jauh.Hasil menunjukkan pendekatan YOLO dan CNN efektif dalam mendeteksi api dan asap secara real-time dengan akurasi tinggi, sejalan dengan temuan penelitian sebelumnya.Penggunaan data satelit MODIS dan Landsat memperluas cakupan pemantauan dan mendukung identifikasi titik panas regional.Integrasi kedua pendekatan menghasilkan sistem yang lebih komprehensif dibanding pendekatan tunggal, terutama dalam hal akurasi, cakupan, dan kecepatan respons.Rekomendasi untuk penelitian lanjutan mencakup pengembangan sistem real-time terhubung ke platform berbasis awan untuk meningkatkan skalabilitas dan implementasi nasional.

Penelitian lanjutan dapat fokus pada pengembangan sistem peringatan dini real-time yang terhubung ke platform berbasis awan untuk meningkatkan skalabilitas dan kemampuan implementasi nasional. Selain itu, integrasi model prediksi probabilistik seperti ProbFire dengan sistem deteksi visual dapat memperkuat kemampuan mitigasi proaktif. Penelitian juga dapat mengeksplorasi sumber data tambahan seperti sensor IoT atau data sosial media untuk memperkaya analisis multi-sumber dan meningkatkan respons terhadap perubahan lingkungan secara dinamis.

  1. Abstract EGU25-6079. abstract egu25 close project specific account required sorry user interfaces limited... meetingorganizer.copernicus.org/EGU25/EGU25-6079.htmlAbstract EGU25 6079 abstract egu25 close project specific account required sorry user interfaces limited meetingorganizer copernicus EGU25 EGU25 6079 html
  2. IOS Press Ebooks - Research on Automatic Forest Fire Detection and Early Warning System Based on U-Net.... ebooks.iospress.nl/doi/10.3233/ATDE250604IOS Press Ebooks Research on Automatic Forest Fire Detection and Early Warning System Based on U Net ebooks iospress nl doi 10 3233 ATDE250604
  3. Rancang Bangun Sistem Pendeteksi Kebakaran Hutan Menggunakan Drone Berbasis Computer Vision | IKRA-ITH... journals.upi-yai.ac.id/index.php/ikraith-informatika/article/view/4386Rancang Bangun Sistem Pendeteksi Kebakaran Hutan Menggunakan Drone Berbasis Computer Vision IKRA ITH journals upi yai ac index php ikraith informatika article view 4386
  4. Client Challenge. client challenge javascript disabled browser please enable proceed required part site... link.springer.com/10.1007/978-3-031-23582-5_5Client Challenge client challenge javascript disabled browser please enable proceed required part site link springer 10 1007 978 3 031 23582 5 5
Read online
File size437.44 KB
Pages6
DMCAReport

Related /

ads-block-test