Deteksi Api dengan Menggunakan CNN
Nur Alfi Laily
Summary
Pada proyek ini, akan dilakukan klasifikasi image menjadi 2 kategori yaitu image “api” dan “non-api”. Dataset yang digunakan diperoleh dari Kaggle. Image dengan kategori “api” berjumlah 755 dan kategori “non-api” berjumlah 244. Pada proses training, jumlah data image yang digunakan adalah 798 sedangkan pada proses testing terdapat 200 image. Model klasifikasi dibangun dengan menggunakan Convolutional Neural Network (CNN). Akurasi yang berhasil diperoleh mencapai 96%.
Description
Latar Belakang
Kebakaran menjadi salah satu permasalahan yang dihadapi hampir di semua negara termasuk Indonesia. Kebakaran memiliki banyak dampak buruk seperti membuat binatang liar kehilangan tempat tinggal mereka, polusi udara, dapat mempengaruhi kesehatan manusia, hingga dapat berdampak pada iklim, dan timbulnya global warming. Oleh karena itu, perlu dilakukan adanya deteksi terjadinya kebakaran.
Metode
Data preprocessing
- Rescale pixel image dengan membaginya dengan membaginya dengan 255.
- Mengubah ukuran image menjadi 250 x 250.
- Membagi dataset menjadi data train (80%) yaitu 798 images dan data test (20%) sebanyak 200 images.
- Melakukan data augmentation: rotation_range = 10, zoom_range = 0.1, shear_range = 0.2, width_shift_range = 0.1, height_shift_range = 0.1.
Modeling
Menggunakan CNN dengan arsitektur sebagai berikut.
Hasil
Akurasi
Loss
Classification Report
Akurasi yang diperoleh adalah 96%.
Link dataset: www.kaggle.com/phylake1337/fire-dataset
Informasi Course Terkait
Kategori: Artificial IntelligenceCourse: Machine Learning For Beginner
