Sistem Pendeteksi dini Kebakaran Berbasis Computer Vision Menggunakan Algoritma Haar Cascade dengan Notifikasi Bot Telegram

Abstract

A fire that is not handled properly can have the potential to cause a fire, causing property damage and property loss. According to the Regional Disaster Management Agency, fires that can cause fires are generally caused by humans such as negligence in the kitchen area, cigarette butts and burning garbage besides fire originating from electrical problems and gas leaks are the main causes of fires. In addition, conventional fire alarm systems based on cable networks have shortcomings and limitations such as the layout plan and output in the form of an alarm that can only be responded to by people around the area. Therefore, we need a system that is able to detect flames early automatically using a camera and can send notification to users before the fire spreads. In this study, the authors used a computer vision method to automate flame detection using HAAR Cascade algorithm and the Telegram Bot to send notifications. By using this method, it is concluded that the fire object detection system testing implemented in the kitchen and living room area scenario has a success rate of 77%.

Api yang tidak ditangani dengan benar dapat sangat berpotensi untuk menimbulkan kebakaran yang menyebabkan kerusakan properti dan kerugian materi. Menurut Badan penanggulangan Bencana Daerah, Api yang dapat menimbulkan kebakaran umumnya disebabkan oleh manusia seperti kelalaian pada area dapur,puntung rokok dan pembakaran sampah selain itu api yang berasal dari masalah kelistrikan dan kebocoran gas menjadi penyebab utama terjadinya kebakaran. Selain itu sistem alarm kebakaran konvensional yang didasarkan pada jaringan kabel memiliki kekurangan dan keterbatasan seperti rencana tata letak dan output berupa alarm yang hanya dapat direspon oleh orang pada sekitar area tersebut Karenanya diperlukan suatu sistem yang mampu mendeteksi dini nyala api secara otomatis menggunakan kamera dan dapat mengirim notifikasi kepada pengguna sebelum kebakaran semakin meluas. Pada penelitian ini, penulis menggunakan metode Computer Vision untuk otomatisasi deteksi nyala api menggunakan algoritma HAAR Cascade dan Telegram Bot untuk mengirim notifikasi. Dengan menggunakan metode tersebut, diperoleh kesimpulan bahwa pengujian sistem deteksi objek api yang diimplementasikan pada skenario area dapur dan ruang tamu memiliki tingkat keberhasilan 77 %.