Kurniawan, Adit
(2025)
IMPLEMENTASI ALGORITMA FUZZY LOGIC PADA SISTEM PENDETEKSI KEBAKARAN BERBASIS INTERNET OF THINGS.
S1 / D3 thesis, Universitas Kuningan.
Abstract
Kebakaran merupakan bencana yang sering terjadi di Indonesia dan dapat terjadi kapan saja serta di mana saja. Ada dua faktor utama penyebab kebakaran: faktor alam seperti petir, gempa bumi, dan letusan gunung, serta faktor non-alam seperti korsleting listrik, kebocoran gas, atau kelalaian pemilik rumah. Oleh karena itu, dibutuhkan sistem yang dapat memberikan peringatan dini untuk meminimalkan dan mengurangi kemungkinan terjadinya kebakaran. Penelitian ini bertujuan merancang sistem pendeteksi kebakaran berbasis Internet of Things (IoT) yang mengintegrasikan tiga jenis sensor (sensor api, sensor asap, dan sensor suhu), serta menggunakan algoritma Fuzzy Logic untuk pengambilan keputusan dan perancangan sistem dengan UML (Unified Modeling Language). Hasil penelitian menunjukkan bahwa sistem pendeteksi kebakaran dengan metode Fuzzy Logic dapat berjalan dengan baik, dengan rata-rata selisih antara keluaran alat dan simulasi MATLAB tercatat sebesar 0.0033, dengan selisih terkecil sebesar 0 dan selisih terbesar mencapai 0.1005.
Fires are a frequent and unpredictable disaster in Indonesia, often causing significant harm. The causes of fires can be broadly categorized into natural factors, such as lightning strikes, earthquakes, and volcanic eruptions, and non-natural factors, including electrical short circuits, gas leaks, and human negligence. To reduce the risk and impact of fires, the development of an early warning system is crucial. This research focuses on creating an Internet of Things (IoT)-based fire detection system that incorporates three sensors: a fire sensor, a smoke sensor, and a temperature sensor. The system leverages the Fuzzy Logic algorithm for decision-making and employs Unified Modeling Language (UML) for system design. The results show that the proposed fire detection system operates with high accuracy, achieving an average deviation of 0.0033 between its output and MATLAB simulation results. The smallest deviation is 0, while the largest is 0.1005, highlighting the system's reliability in identifying potential fire hazards.
Actions (login required)

- View Item