Loading...
Please wait, while we are loading the content...
Similar Documents
EKSTRAKSI FITUR CITRA API BERBASIS EKSTRAKSI WARNA PADA RUANG WARNA HSV dan RGB
| Content Provider | Semantic Scholar |
|---|---|
| Author | Hardiyanto, Denny Sartika, Dyah Anggun Elektro, Jurusan Teknik |
| Copyright Year | 2018 |
| Abstract | The potential for fires increased at this time. Many factors cause fire, both small sale and large scale, such as forest fires. Early detection of fire is one of the right solutions. The Research about detection fire use any methods, you can use UAVs (Unmanned Aerial Vehicle), Android devices, and other technologies that are mostly based on image processing. This is one of the research based on image processing with fire objects. Fire image will be processed in the features extraction with the source of the fire coming from the candle. The candle is used as a detection object because the color characteristics of the fire in the candle as same as a larger scale fire. The method used is feature extraction based on colour extraction in HSV color space (Hue Saturation Value) and RGB color space (Red Green Blue). The result of this research are parameters of each color space for fire detection, there are HSV color space get 0,2≥Hue≥0,1; 0,85≥Saturation≥0,5; and 1≥Value≥0,9, and also for RGB color space get 255≥Red≥230; 250≥Green≥100; and 130≥Blue. Keyword: Fire Detection, HSV, RGB, Colour Filtering, Feature Extraction PENDAHULUAN Latar Belakang Kebakaran menjadi salah satu bencana yang sering terjadi di Indonesia. Dari website resmi BNPB (Badan Nasioal Penanggulangan Bencana) tercatat bahwa kasus kebakaran mengalami jumlah yang tidak sedikit disetiap tahunnya. Selama 3 tahun terakhir tercatat bahwa kasus terbanyak ada di tahun 2016. Pada tahun 2015 tercatat 48 kasus, 2016 tercatat 178 kasus dan 2017 tercatat ada 96 kasus kebakaran, baik kebakaran yang terjadi di rumah warga, lingkungan masyarakat, maupun kebakaran hutan dan kebakaran lahan. Gambar 1 menunjukkan data sebaran kejadian kebakaran selama tahun 2015-2017.[1] Menurut data BNPB, jumlah hot spot dari pantauan satelit NOAA menurun 32,6 persen selama 2017 dibandingkan 2016. Pada 2016 jumlah titik api sebanyak 3.563, sedangkan selama 2017 ada 2.400 titik. Sementara satelit Terra-Aqua menunjukkan, kebakaran hutan dan lahan terjadi penurunan 46,9 persen. Selama 2016 terdapat 3.628 hot spot, sedangkan 2017 menurun hingga 1.927 titik untuk tingkat kepercayaan di atas 80 persen. Berdasarkan analisis citra satelit yang dilakukan Kementerian Lingkungan Hidup dan Kehutanan (LHK), luas kebakaran hutan dan lahan juga berkurang. Selama tahun 2017 terdapat 124.983 hektare hutan dan lahan yang terbakar. Angka ini jauh lebih kecil dibandingkan pada 2016 seluas 438.360 hektare dan tahun 2015 seluas 2,61 juta hektare. Walaupun terjadi penurunan, namun FAHMA – Jurnal Teknologi dan Ilmu Komputer Vol. 16, No 3, September 2018 tak terhitung jumlah kerusakan dan kerugian yang dialami, baik kerugian materiil, kerusakan fasilitas umum, kerusakan lahan dan hutan, serta banyak kerugian lain akibat kebakaran. Gambar 1 Peta sebaran kejadian kebakaran [1] Sebagai solusi atas banyaknya serta dampak kerugian akibat kebakaran, beberapa penelitian terkait penanggulangan atau pencegahan telah dilakukan. Untuk mencegah terjadinya bencana, beberapa penelitian menggunakan pengolahan citra sebagai pendeteksi adanya api. Metode yang dilakukan juga beragam, seperti penggunaan Multicolour features, Thresholding Rerata RGB, penggunaan citra resolusi menengah MODIS, komposisi warna citra digital, serta metode lain. Bahkan adapula yang mengimplementasikan pengolahan citra secara real Time dengan bantuan perangkat teknologi seperti webcam ataupun pesawat tanpa awak (UAV). Penelitian ini merupakan salah satu langkah awal dalam melakukan deteksi api. Melalui ekstraksi fitur dengan objek berupa citra api, akan didapat parameter pada ruang RGB dan HSV Diana parameter ini akan digunakan sebagai parameter untuk mendeteksi api pada penelitian berikutnya. Tujuan Penelitian Melihat uraian tentang resiko dan kerugian yang tercantum dalam latar belakang, maka penelitian tentang deteksi api perlu dilakukan. Tujuan dari penelitian ini adalah menemukan parameter terkait warna api yang dilakukan dengan proses ekstraksi fitur FAHMA – Jurnal Teknologi dan Ilmu Komputer Vol. 16, No 3, September 2018 dalam segmentasi ruang warna RGB dan HSV. Harapannya bahwa parameter ini dapat dijadikan sebagai set poin untuk melakukan proses deteksi api yang dapat dikombinasikan dengan metode pengolahan citra lainnya dengan objek tetap warna api. Apabila sistem pendeteksi api ini sudah berhasil dilakukan dan sistem dapat mendeteksi dengan baik, diharapkan pula sistem mampu diimplementasikan ke dalam berbagai perangkat teknologi yang saat ini banyak digunakan, seperti pesawat tanpa awak (UAV). Teknologi lain adalah proses pengolahan secara real Time dibantu media perekam seperti webcam. Bahkan dapat pula diimplementasikan ke dalam suatu robot pemadam api. Tinjauan Pustaka Sebagian besar penelitian yang sudah dilakukan terkait dengan deteksi kebakaran, menggunakan pengolahan citra sebagai implementasinya. Feriadi,dkk (2012) dalam penelitiannya yang berjudul Deteksi Lokasi Titik Api pada kebakaran Hutan Menggunakan Colour Image Processing, telah berhasil mendeteksi lokasi titik api menggunakan pendekatan pengolahan warna gambar yang dapat memberikan lokasi titik api dengan harapan analisis dan tindakan dapat dilakukan dengan cepat dan akurat. [2] Metode yang dipakai adalah konsep transformasi watershed, suatu metode yang menganggap sebuah gambar merupakan bentuk tiga dimensi yaitu posisi x dan y dengan tingkat warna pixel yang dimilikinya. Posisi x dan y merupakan bidang dasar dan tingkat warna pixel, yang dalam hal ini adalah gray level merupakan ketinggian dengan anggapan nilai yang makin mendekati warna putih mempunyai ketinggian yang semakin tinggi. Hal yang serupa dilakukan juga oleh Hanifah,dkk (2016) yang melakukan deteksi menggunakan data penginderaan jauh seperti citra resolusi sedang MODIS. Perbedaannya terletak pada objek penelitian dimana Hanifah,dkk memilih untuk mendeteksi area bekas kebakaran. Hasil penelitian diharapkan dapat digunakan sebagai bahan pertimbangan oleh pemerintah setempat dan instansi terkait lainnya dalam membuat kebijakan pengendalian kebakaran hutan dan lahan di Provinsi Kalimantan Barat. [3] Untuk mendapatkan citra yang diinginkan, beberapa penelitian menggunakan perangkat tambahan yang berfungsi sebagai pengambil gambar. Permana, dkk (2008) menggunakan bantuan webcam agar mendapatkan citra api yang kemudian dideteksi. Webcam ini hanya berfungsi sebagai inputan, untuk selanjutnya data diolah oleh sistem melalui pengolahan citra. Sistem ini akan mendeteksi nilai RGB api, pergerakannya, serta luas pixel api pada citra yang tertangkap oleh webcam. Sistem deteksi kebakaran ini dirancang dengan menggunakan webcam sebagai input data, outputnya berupa informasi tulisan “Ada Api” yang disertai suara alarm. oleh karena itu sistem deteksi ini akan sangat bermanfaat untuk dipasang di dalam suatu ruko (rumah toko) atau mini market yang biasanya sudah memiliki sebuah PC sebagai alat kelengkapan toko. [4] Selain Permana,dkk, deteksi api yang menggunakan webcam juga dilakukan oleh Firdausy,dkk yang pengambilan citra api secara real-time menggunakan webcam. FAHMA – Jurnal Teknologi dan Ilmu Komputer Vol. 16, No 3, September 2018 Data yang didapat akan diolah menggunakan thresholding, sehingga diperoleh citra yang hanya mempunyai dua nilai derajad keabuan, dan selanjutnya dicari nilai rerata RGB untuk dibandingkan dengan nilai range acuan yang ada di database untuk menentukan apakah citra yang ditangkap webcam berupa api atau bukan.[5] Pesawat tanpa awak (UAV) sebagai salah satu perangkat yang sedang ramai digunakan dalam penelitian [6], bisa digunakan sebagai salah satu media dalam pendeteksian api. sebuah Quadcopter yang dapat terbang secara otomatis diimplementasikan algoritma pendeteksi api berdasar komposisi warnanya. Dalam prosesnya menggunakan kamera webcam dan sebuah mikrokomputer tambahan, khusus untuk memproses pendeteksian api yang dapat terintegrasi dengan flight controller. [7] [8] Metode pengolahan citra juga beragam. Ada yang menggunakan Multi colour feature seperti RGB, HSV,YCbCr dan Background Subtraction serta morphology untuk pendeteksian pergerakan api seperti yang dilakukan Shidik,dkk (2013). Zarkasi,dkk (2015) merancang dan mengimplementasikan metode komputer vision metrode thresholding, yang digunakan untuk pengolahan data citra kamera yang akan mendeteksi api pada kebakaran lahan.[7] [9] Pengolahan Citra Citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinu menjadi gambar diskrit melalui proses sampling. Citra digital dapat didefinisikan sebagai fungsi dua variabel f(x,y), dimana x dan y adalah koordinat spasial sedangkan nilai f(x,y) adalah intensitas citra pada koordinat tersebut. Gambar analog dibagi menjadi N baris dan M kolom sehingga menjadi gambar diskrit. Persilangan antara baris dan kolom tertentu disebut dengan piksel. Contohnya adalah gambar/titik diskrit pada baris n dan kolom m disebut dengan piksel [n,m]. [10] Pengolahan citra adalah salah satu cabang dari ilmu informatika. Pengolahan citra berkutat pada usaha untuk melakukan transformasi suatu citra/gambar menjadi citra lain dengan menggunakan teknik tertentu [11] Ekstraksi Fitur Citra input pada proses ekstraksi fitur merupakan citra objek kandidat wajah yang terdeteksi pada tahapan sebelumnya. Ekstraksi fitur dimaksudkan untuk mendapatkan nilai fitur suatu objek berdasarkan hubungan nilai intensitas piksel suatu citra. Pada penelitian ini, digunakan ekstraksi fitur statistika warna yang memiliki 12 atribut fitur. Fitur statistika warna ini dipilih karena melihat citra terdeteksi merupakan citra kandidat selain wajah yang dapat dibedakan berdasarkan warnanya. [12][13] |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | http://jurnal.stmikelrahma.ac.id/assets/file/Denny%20Hardiyanto,%20Dyah%20Anggun%20Sartika-68-stmikelrahma.pdf |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
