Perancangan Sistem Deteksi Api Menggunakan Framework YOLOv4

Abstract

Kebakaran hutan dan lahan berdampak pada rusaknya ekosistem Menurut data dari Kementerian Lingkungan Hidup dan Kehutanan (KLHK), luas hutan Indonesia per tahun 2013 mencapai 128,5 juta hektar. Ironisnya, hutan di Indonesia setiap tahunnya terus menyusut diakibatkan oleg kebakaran hutan. Merujuk pada perhitungan Ditjen Planologi KLHK, angka deforestasi Indonesia periode 2014-2015 mencapai 1,09 juta hektar dan 2015-2016 menjadi 0,63 juta hektar. Hal ini dapat dicegah dengan memanfaatkan UAV (Unmanned Aerial Vehicle) untuk melakukan pengamatan secara langsung melalui kamera. Penelitian ini dilakukan untuk mengembangkan sistem deteksi api menggun YOLOv4. Algoritma YOLOv4 adalah algoritma deep learning yang menerapkan jaringan syaraf konvolusional (CNN). YOLOv4 yang diskalakan adalah jaringan neural paling akurat dan memelikiki kecepatan terhadap akurasi di seluruh rentang akurasi dan kecepatan dari 15 FPS hingga 1774 FPS. Hasil penelitian menunjukan framework YOLOv4 berhasil mendeteksi api dengan menghasilkan rata-rata akurasi sebesar 0.92. Akurasi terbaik didapat pada percobaan video 2 dengan skor precision sebesar 0.94, skor recall sebesar 0.99 dan skor accuracy sebesar 0.95.