Sistem Pemantauan Kebakaran Berbasis Drone: Deteksi Asap Real-Time, Navigasi Cerdas Berbasis Deep Reinforcement Learning, dan Estimasi Luas Area Terdampak
Journal of Electrical, Electronic, Mechanical, Informatic and Social Applied Science · 30.06.2026 · 5 (1) · 20-31
DOI: 10.58991/ckzfkw74 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal of Electrical, Electronic, Mechanical, Informatic and Social Applied Science, online erschienen am 30.06.2026. Verfasst von Adi Sucipto und 3 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).
Abstract (Originalsprache)
Kebakaran hutan dan lahan membutuhkan sistem pemantauan yang mampu mendeteksi asap lebih awal, membantu navigasi drone secara aman, dan memperkirakan luas area terdampak secara cepat. Penelitian ini mengembangkan sistem pemantauan kebakaran berbasis unmanned aerial vehicle yang menggabungkan deteksi asap YOLOv8 termodifikasi, navigasi Deep Reinforcement Learning menggunakan Proximal Policy Optimization, serta segmentasi semantik DeepLabV3+ untuk estimasi area terbakar. Model deteksi diperkuat dengan SPPF+, attention CBAM, WIoU loss, dan optimasi TensorRT INT8 agar sesuai untuk perangkat edge. Modul navigasi mempelajari manuver adaptif dari skenario simulasi dan pengujian lapangan, sedangkan kalibrasi geospasial mengubah hasil segmentasi piksel menjadi luas hektar. Pengujian pada kebakaran simulasi, controlled burn, dan kasus kebakaran nyata menunjukkan bahwa model deteksi mencapai mAP@0,5 sebesar 91,7% dengan latensi 34 ms, navigasi PPO mencapai keberhasilan penghindaran 97,1%, dan estimasi luas area memperoleh akurasi rata-rata 88,3% terhadap data referensi Sentinel-2. Hasil ini menunjukkan bahwa kerangka terintegrasi layak digunakan untuk pemantauan kebakaran real-time dan dapat melengkapi observasi berbasis satelit.
Zitieren
APA
Sucipto, A., Widarso, R. A., Maharani, T., & Tisna, D. R. (2026). Sistem Pemantauan Kebakaran Berbasis Drone: Deteksi Asap Real-Time, Navigasi Cerdas Berbasis Deep Reinforcement Learning, dan Estimasi Luas Area Terdampak. Journal of Electrical, Electronic, Mechanical, Informatic and Social Applied Science, 5(1), 20-31. https://doi.org/10.58991/ckzfkw74
Vancouver
Sucipto A, Widarso RA, Maharani T, Tisna DR. Sistem Pemantauan Kebakaran Berbasis Drone: Deteksi Asap Real-Time, Navigasi Cerdas Berbasis Deep Reinforcement Learning, dan Estimasi Luas Area Terdampak. Journal of Electrical, Electronic, Mechanical, Informatic and Social Applied Science. 2026;5(1):20-31. doi:10.58991/ckzfkw74
BibTeX
@article{Sucipto2026,
author = {Sucipto, Adi and Widarso, Rifqi Aji and Maharani, Tamara and Tisna, Dhodit Rengga},
title = {Sistem Pemantauan Kebakaran Berbasis Drone: Deteksi Asap Real-Time, Navigasi Cerdas Berbasis Deep Reinforcement Learning, dan Estimasi Luas Area Terdampak},
journal = {Journal of Electrical, Electronic, Mechanical, Informatic and Social Applied Science},
year = {2026},
volume = {5},
number = {1},
pages = {20--31},
doi = {10.58991/ckzfkw74}
}
EUVIMED