Sistem Deteksi Kebakaran Hutan menggunakan E-nose Berbasis pada JST Backpropagation
Zandy Yudha Perwira(1*), Danang Lelono(2), Andi Dharmawan(3)
(1) University of Gadjah Mada
(2) 
(3) 
(*) Corresponding Author
Abstract
Indonesia memiliki hutan yang sangat luas yaitu 93,95 juta ha setara dengan 50% luas daratan Indonesia. Luasan hutan di Indonesia terus mengalami penurunan setiap tahunnya diakibatkan oleh kebakaran hutan. Maka untuk menekan penurunan kebakaran hutan diperlukan alat untuk mendeteksi kebakaran sedini mungkin dikarenakan kebakaran hutan jika sudah menyebar sulit untuk dipadamkan. Pendeteksian kebakaran hutan saat ini masih dilakukan manual dengan bantuan visual yang kurang dapat mendeteksi lebih dini. Penelitian tentang sistem detektor kebakaran hutan sangat perlu dikembangkan untuk menanggulangi kebakaran yang lebih besar. Pada penelitian ini, pendeteksian menggunakan sebuah electronic nose (e-nose), sensor suhu, kelembapan, serta debu untuk mendeteksi asap kebakaran hutan dan ditambah dengan sensor FLIR (Forward Looking Infrared) sebagai detektor dini kebakaran hutan.
Sensor-sensor membaca asap dalam bentuk sinyal dengan pola tertentu untuk tiap sampel asap. Pola-pola tersebut kemudian dilakukan prapemrosesan data dengan melakukan normalisasi baseline dan ekstraksi ciri 4 metode yang berbeda. Ciri yang didapat kemudian akan dikenali dengan menggunakan metode pengenalan pola yaitu Jaringan Saraf Tiruan (JST) Backpropogation. Proses pengenalan dilakukan dengan melakukan pelatihan untuk mencapai parameter-parameter yang optimal sehingga didapat model optimal. Pengujian model terbaik dengan beberapa titik api menghasikan akurasi dalam membedakan jenis asap 98% untuk satu titik dan 100% untuk beberapa titik.
Keywords
Full Text:
PDFReferences
KKLH, Status Hutan dan Kehutanan Indonesia 2018. 2018.
BNBP, “Rekapitulasi Luas Kebakaran Hutan dan Lahan (Ha) Per Provinsi Di Indonesia Tahun 2014-2019,” Karhutla Monit. Sist., no. 1, hal. 26–27, 2019.
T. V Larson dan J. Q. Koenig, “Wood Smoke : Emissions,” Combustion, 1994.
A. A. A. Alkhatib, “A review on forest fire detection techniques,” Int. J. Distrib. Sens. Networks, vol. 2014, 2014.
D. Madsen, H. A. Azeem, M. Sandahl, P. van Hees, dan B. Husted, “Levoglucosan as a Tracer for Smouldering Fire,” Fire Technol., vol. 54, no. 6, hal. 1871–1885, 2018.
R. B. Edwards, R. L. Naylor, M. M. Higgins, dan W. P. Falcon, “Causes of Indonesia’s forest fires,” World Dev., vol. 127, 2020.
K. Klausen, T. I. Fossen, T. A. Johansen, dan A. P. Aguiar, “Cooperative path-following for multirotor UAVs with a suspended payload,” 2015 IEEE Conf. Control Appl. CCA 2015 - Proc., hal. 1354–1360, 2015.
D. Roggen dkk., “Collecting complex activity datasets in highly rich networked sensor environments,” INSS 2010 - 7th Int. Conf. Networked Sens. Syst., hal. 233–240, 2010.
D. Lelono, K. Triyana, S. Hartati, dan J. E. Istiyanto, “Development of electronic nose with highly stable sample heater to classify quality levels of local black tea,” Int. J. Adv. Sci. Eng. Inf. Technol., vol. 7, no. 2, hal. 352–358, 2017.
T. Eamsa-Ard, M. M. Swe, T. Seesaard, dan T. Kerdcharoen, “Development of Electronic Nose for Evaluation of Fragrance and Human Body Odor in the Cosmetic Industry,” 2018 IEEE 7th Glob. Conf. Consum. Electron. GCCE 2018, no. December, hal. 592–593, 2018.
K. Nayak dan V. Nayak, “E-Nose System to Detect E-Coli in Drinking Water of Udupi District,” Int. J. Eng. Res. Dev., vol. 1, no. 12, hal. 2278–67, 2012.
D. Li, T. Lei, S. Zhang, X. Shao, dan C. Xie, “A novel headspace integrated E-nose and its application in discrimination of Chinese medical herbs,” Sensors Actuators, B Chem., vol. 221, hal. 556–563, 2015.
S. Sadeghifard, M. Anjomshoa, dan E. Esfandiari, “A new embedded E-nose system in smoke detection,” 2011 1st Int. eConference Comput. Knowl. Eng. ICCKE 2011, hal. 18–21, 2011.
A. Amari, N. El Barbri, E. Llobet, N. El Bari, X. Correig, dan B. Bouchikhi, “Monitoring the freshness of Moroccan Sardines with a neural-network based electronic nose,” Sensors, vol. 6, no. 10, hal. 1209–1223, 2006.
M. B. Banerjee, R. B. Roy, B. Tudu, R. Bandyopadhyay, dan N. Bhattacharyya, “Black tea classification employing feature fusion of E-Nose and E-Tongue responses,” J. Food Eng., vol. 244, no. June 2018, hal. 55–63, 2019.
M. Moufid, M. Hofmann, N. El, C. Tiebe, M. Bartholmai, dan B. Bouchikhi, “Talanta Wastewater monitoring by means of e-nose , VE-tongue , TD-GC-MS , and,” Talanta, vol. 221, no. July 2020, hal. 121450, 2020.
Riyanto, D. Lelono, dan T. W. Supardi, “Rancang Bangun Electronic Nose untuk Mendeteksi Kebakaran Gambut,” 2017.
A. T. Hatmoko dan D. Lelono, “Analisis Respons Electronic Nose pada Payload UAV Untuk Identifikasi kebakaran Gambut,” 2018.
E. Science, “Estimating Australian Forest Fire Danger Under,” hal. 169–188, 1995.
B. Charumporn, T. Fujinaka, M. Yoshioka, dan S. Omatu, “Compact electronic nose systems using metal oxide gas sensors for fire detection systems,” IEEE Int. Conf. Neural Networks - Conf. Proc., hal. 2214–2217, 2006.
T. Zarra, M. G. Galang, F. Ballesteros, V. Belgiorno, dan V. Naddeo, “Environmental odour management by artificial neural network – A review,” Environ. Int., vol. 133, no. October, hal. 105189, 2019.
M. G. K. Galang, T. Zarra, V. Naddeo, V. Belgiorno, dan F. Ballesteros, “Artificial neural network in the measurement of environmental odours by e-nose,” Chem. Eng. Trans., vol. 68, no. 1, hal. 247–252, 2018.
X. Tian, J. Wang, Z. Ma, M. Li, Z. Wei, dan J. M. Díaz-Cruz, “Combination of an E-Nose and an E-Tongue for Adulteration Detection of Minced Mutton Mixed with Pork,” J. Food Qual., vol. 2019, 2019.
T. C. Pearce, S. S. Schiffman, H. T. Nagle, dan J. W. Gardner, Handbook of Machine Olfaction. WILEY-VCH, 2003.
J. Yan dkk., “Electronic nose feature extraction methods: A review,” Sensors (Switzerland), vol. 15, no. 11, hal. 27804–27831, 2015.
DOI: https://doi.org/10.22146/ijeis.76255
Article Metrics
Abstract views : 258 | views : 201Refbacks
- There are currently no refbacks.
Copyright (c) 2024 IJEIS (Indonesian Journal of Electronics and Instrumentation Systems)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
View My Stats1