ABSTRAK
Sebagian besar sistem pendeteksi asap pada ruangan saat ini menggunakan sensor yang mengharuskan untuk menangkap partikel terlebih dahulu sebelum mendapatkan indikasi dari partikel yang ditangkap. Sistem tersebut akan membutuhkan waktu yang lama untuk mendeteksi keadaan di ruangan terbuka. Untuk mengatasi masalah tersebut, banyak penelitian yang membuat sistem pendeteksi asap menggunakan video yang lebih menjamin untuk memberi informasi terkini.
Penelitian ini mendeteksi adanya asap pada video menggunakan pengolahan citra digital. Teknik yang digunakan yaitu ruang warna CIE LAB, k-means, background subtraction, dan naive bayes. K-means digunakan untuk menyegmentasikan warna asap dengan warna bukan asap. Background subtraction digunakan untuk memisahkan antara objek yang tidak bergerak dengan objek yang bergerak, karena asap merupakan objek yang bergerak di dalam video. Sistem membutuhkan klasifikasi untuk membedakan objek asap dan bukan asap, oleh karena itu naive bayes digunakan untuk mengklasifikasi warna asap yang terdapat di dalam video.
Penelitian ini menggunakan 35 buah video, 25 video untuk data latih dan 10 video untuk data uji. Setiap video akan di ekstrak menjadi 125 frame. Parameter lain yakni perubahan ukuran resize, ruang warna, jumlah k, ciri statistik, dan jumlah data. Pada penelitian ini keluaran yang dihasilkan sistem dapat mengenali objek asap pada video dengan akurasi rata-rata mencapai 80% dengan waktu komputasi
40.8 detik.
Kata Kunci : Deteksi Asap, Ruang Warna, K-means, Background Subtraction, Naive Bayes.
ABSTRACT
Most of the smoke detection system in the room nowadays use sensor that require to capture particles first before getting an indication of the captured particles. This system will take a long time for outdoors utilization. To overcome this pro- blem, there are many researchs that make smoke detection systems using video that is more guarantee to provide the latest information.
This research detects the presence of the smoke in the video using digital image processing. The techniques used are CIE LAB color space, K-means, background subtraction, and naive bayes. K-means is used to segmenting the smoke colors with the non-smoke colors. Background subtraction is used to separating objects that are not moving with the moving object, because the smoke is a moving object in the video. The system requires classification to distinguish smoke and non-smoke objects, therefore naive bayes is used to classify the color of the smoke contained in the video.
This research using 35 videos, 25 videos are used to data training and 10 videos are used to data testing. Each video will be extracted to 125 frames. Other parame- ters are changes in resize size, color space, number of k, statistical characteristics, and amount of data. In this research, the output generated by system can recognize smoke objects on the video with an average accuracy of 80% with an average computation time of 40.8 seconds.
Keywords : Smoke Detection, Color Space, K-means, Background Subtraction, Naive Bayes.