Pengembangan Sistem Deteksi Dini Kebakaran Menggunakan Pendekatan Transfer Learning dengan Model ResNet50 Berbasis Website

Abstract

Kebakaran merupakan peristiwa bencana alam yang dapat menyebabkan kerugian signifikan baik dari segi manusia maupun harta benda. Faktor-faktor seperti konsleting listrik, pembakaran sampah, dan ledakan tabung gas semakin meningkat di Indonesia, menambah potensi kebakaran. Deteksi dini kebakaran menjadi kunci untuk mengurangi kerugian. Sistem deteksi tradisional berbasis sensor skalar memiliki keterbatasan, seperti area jangkauan terbatas, khususnya jika dipasang di langit-langit dalam ruangan, sementara sistem vision menggunakan kamera yang dapat menjangkau area yang lebih luas. Transfer Learning, dengan fokus pada Convolutional Neural Network (CNN), menjadi pendekatan dalam penelitian ini untuk meningkatkan akurasi deteksi. Penelitian ini bertujuan untuk menyempurnakan sistem deteksi dini kebakaran, mengatasi keterbatasan sistem tradisional berbasis sensor skalar, dan memberikan solusi dalam
melindungi nyawa dan harta benda dari risiko kebakaran. ResNet50 dipilih sebagai model utama untuk mendeteksi fire, smoke dan non-fire. Diharapkan bahwa pengembangan sistem ini akan memberikan respon lebih cepat dan akurat dalam mendeteksi kebakaran, terutama dalam area yang luas.

Kata kunci—Deteksi Dini Kebakaran, Convolutional Neural Network (CNN), Transfer Learning, ResNet50, Sistem Vision