ABSTRAKSI: Smoke Detector didefinisikan sebagai sebuah alat untuk melakukan pencegahan kebakaran dalam suatu ruangan dengan cara mendeteksi asap melalui sensor yang dimilikinya. Penggunaan Smoke Detector umumnya digunakan pada ruangan perkantoran, smoking room, maupun pada ruangan-ruangan dalam rumah. Pada Tugas Akhir ini, Smoke Detector dirancang pada sebuah prototype Smoking Room untuk mengantisipasi terjadinya kebakaran serta tetap menjaga kualitas dari Smoking Room tersebut menggunakan Image Processing dengan memanfaatkan webcam dengan metode Jaringan Saraf Tiruan SOM dan Backpropagation dimana hasil dari kedua metode tersebut akan dibandingkan
Dalam mendeteksi keadaan Smoking Room tersebut, Smoke Detector dikatakan akurat jika mampu melakukan pendeteksian asap sesuai dengan kepekatan yang telah diolah sesuai prosedur metode yang dipakai. Dalam Tugas akhir ini metode yang digunakan adalah JST-SOM dan Backpropagation. Sistem mengolah citra asap yang didapat dari hasil capture offline untuk kemudian diklasifikasikan dengan mengacu pada MOS (Mean Opinion Score). Selanjutnya, capture asap secara offline maupun online dijadikan input sistem dan diharapkan mampu memberikan output pengklasifikasian asap yang sesuai dengan citra latihnya.
Dalam hasil analisis simulasi Smoke Detector pada sebuah prototype Smoking Room menggunakan metode JST-SOM dan Backpropagation didapatkan tingkat akurasi diatas 94% untuk JST-SOM dan 93% untuk Backpropagation. Sehingga dapat disimpulkan bahwa JST-SOM lebih bagus dibandingkan Backpropagation, baik secara offline maupun online. Dan dapat disimpulkan pula jika semakin besar jumlah label, maka waktu komputasi sistem yang dibutuhkan juga semakin lama.
Kata Kunci : Prototype, Smoke Detector, JST-SOM, Backpropagation, realtime, Prototype Smoking Room, Pengolahan Citra Digital, webcam, Mean Opinion ScoreABSTRACT: Smoke Detector is defined as a tool for fire prevention in a room by detecting smoke from the sensor. Smoke Detector is commonly used in office room, smoking room, as well as in the rooms in the house. In this final project, a Smoke Detector desaigned in a Smoking Room prototype for anticipating the occurence of fire and still maintain the quality of the Smoking Room using the image processing by using a webcam with SOM and Backpropagation Neural Networks which result from both methods will be compared.
Smoke Detector accuracy of identification Smoking Room condition is accurate if Smoke Detector can perform smoke detection in accordance with the concentrations that have been processed according to the procedure applied methods. In this final project, I used ANN-SOM and Back Propagation. The system process the image of smoke obtained from the captured offline, then classified by reference to the MOS (Mean Opinion Score). Furthermore, the capture of smoke offline and online used as system input and output are expected to provide the appropriate classification of smoke with the training image.
In the simulation analysis results Smoke Detector on a prototype Smoking Room using ANN-SOM and Backpropagation obtained accuracy rate above 94% for the ANN-SOM and 93% for Backpropagation. So it can be concluded that the ANN-SOM is better than Backpropagation, both offline and online. And can also be concluded if we use more number of labels, then the computing time required system are also getting longer.
Keyword: Smoke Detector, JST-SOM, Backpropagation, realtime, Smoking Room, Digital Signal Processing, webcam, Mean Opinion Score.