I. PENDAHULUAN
Perkembangan teknologi komputer, jaringan, dan pengolahan citra digital saat ini telah membuka peluang besar dalam pembuatan sistem keamanan yang bekerja secara otomatis dan real-time. Salah satu penerapannya adalah sistem deteksi api yang mampu memantau suatu area tanpa harus diawasi secara langsung oleh manusia. Sistem seperti ini sangat dibutuhkan pada lokasi yang memiliki potensi risiko kebakaran, seperti rumah tinggal, gudang, ruang server, laboratorium, maupun lingkungan industri.
Proyek ini mengembangkan sistem deteksi api berbasis Raspberry Pi menggunakan IP Camera, OpenCV, dan Web Dashboard. Sistem ini dirancang untuk melakukan pemantauan area secara real-time, mendeteksi indikasi api melalui pengolahan citra digital, menyimpan riwayat hasil deteksi, mengirimkan notifikasi melalui Telegram Bot, serta menampilkan informasi kondisi area melalui Web Dashboard. Dengan adanya sistem ini, pengguna dapat mengetahui kondisi area yang dipantau secara cepat, meskipun tidak berada di lokasi secara langsung.
Sistem ini diberi nama FireVision, yaitu sistem monitoring dan deteksi api yang memanfaatkan kamera sebagai input utama, Raspberry Pi sebagai pusat pemrosesan, OpenCV sebagai modul deteksi api, SQLite sebagai media penyimpanan data, Telegram Bot sebagai media notifikasi, serta Cloudflare Tunnel sebagai sarana akses jarak jauh melalui internet.
II. LATAR BELAKANG
Kebakaran merupakan salah satu bencana yang dapat menimbulkan kerugian besar, baik secara material maupun keselamatan manusia. Kebakaran dapat terjadi di berbagai tempat, seperti rumah tinggal, gudang penyimpanan, ruang server, laboratorium, maupun area industri. Salah satu permasalahan utama dalam penanganan kebakaran adalah keterlambatan dalam mengetahui munculnya api. Pada banyak kondisi, api baru diketahui ketika ukurannya sudah membesar, sehingga proses penanganan menjadi lebih sulit dan kerugian yang ditimbulkan semakin besar.
Permasalahan tersebut semakin besar ketika area yang berisiko kebakaran tidak selalu berada dalam pengawasan manusia. Contohnya adalah rumah kosong, gudang, atau ruang server yang tetap beroperasi meskipun tidak ada petugas di lokasi. Tidak adanya pemantauan secara real-time dapat menyebabkan api terlambat terdeteksi. Akibatnya, risiko kerusakan aset, gangguan operasional, dan bahaya keselamatan menjadi lebih tinggi.
Seiring berkembangnya teknologi, sistem monitoring modern dapat dirancang untuk bekerja secara otomatis dan terhubung melalui jaringan internet. Sistem tidak hanya dapat menampilkan kondisi area secara langsung, tetapi juga dapat memberikan peringatan dini apabila terdeteksi kondisi berbahaya. Salah satu teknologi yang dapat digunakan adalah pengolahan citra digital menggunakan kamera dan OpenCV. Dengan kamera, sistem dapat menangkap gambar area yang dipantau, kemudian citra tersebut dianalisis untuk mendeteksi ciri visual api, seperti warna merah, oranye, dan kuning.
Berdasarkan permasalahan tersebut, proyek ini dibuat untuk merancang dan mengimplementasikan sistem deteksi api berbasis Raspberry Pi menggunakan IP Camera, OpenCV, dan Web Dashboard. Raspberry Pi digunakan sebagai server utama yang memproses gambar dari IP Camera, menjalankan algoritma deteksi api, menyimpan data ke database, mengirim notifikasi melalui Telegram, serta menampilkan hasil monitoring pada Web Dashboard. Sistem ini juga dilengkapi dengan Cloudflare Tunnel agar dashboard dapat diakses dari mana saja melalui internet.
III. TUJUAN
Tujuan dari proyek ini adalah merancang dan mengimplementasikan sistem deteksi api berbasis Raspberry Pi menggunakan IP Camera, OpenCV, dan Web Dashboard. Sistem ini dibuat agar mampu memantau area secara real-time, mendeteksi indikasi api secara otomatis, menyimpan data hasil deteksi, serta memberikan notifikasi peringatan kepada pengguna melalui Telegram Bot.
Selain itu, proyek ini juga bertujuan untuk menyediakan sistem monitoring yang dapat diakses dari jarak jauh melalui Web Dashboard dengan bantuan Cloudflare Tunnel. Dengan demikian, pengguna dapat mengetahui kondisi area yang dipantau secara cepat meskipun tidak berada di lokasi secara langsung.
IV. BLOK DIAGRAM SISTEM
Sistem menggunakan IP Camera untuk mengambil gambar atau video, lalu mengirimkannya ke Raspberry Pi. Raspberry Pi memproses gambar menggunakan OpenCV untuk mendeteksi apakah terdapat api atau tidak. Hasil deteksi akan ditentukan menjadi dua status, yaitu “API TERDETEKSI” atau “AMAN”. Data hasil deteksi seperti gambar, status, dan waktu kejadian disimpan ke dalam database SQLite serta ditampilkan pada web dashboard. Agar dashboard dapat diakses dari luar jaringan lokal, sistem menggunakan Cloudflare Tunnel. Link dari Cloudflare kemudian diterima melalui Telegram Bot, sehingga pengguna dapat membuka dashboard dan memantau kondisi sistem dari mana saja.
V. ALUR KERJA SISTEM
Sistem dimulai dengan mengambil gambar secara berkala dari IP Camera yang terhubung ke Raspberry Pi. Gambar yang diperoleh kemudian diproses menggunakan OpenCV untuk mendeteksi adanya ciri-ciri api berdasarkan warna dan karakteristik tertentu. Jika api terdeteksi, sistem akan menyimpan gambar hasil deteksi beserta informasi waktu kejadian ke database. Setelah itu, sistem mengirimkan notifikasi peringatan melalui Telegram Bot dan memperbarui dashboard secara real-time dengan status "API TERDETEKSI".
Sebaliknya, apabila tidak ditemukan indikasi api, sistem menyimpan status "AMAN" dan menampilkan informasi tersebut pada dashboard secara real-time. Setelah seluruh proses selesai, sistem kembali melakukan pemantauan secara otomatis dalam interval waktu tertentu sehingga kondisi area dapat dipantau secara terus-menerus. Proses ini akan berulang hingga sistem dihentikan oleh pengguna.
VI. PERAN TIAP KOMPONEN
• IP Camera
IP Camera berfungsi sebagai perangkat input utama pada sistem FireVision. Kamera ini bertugas melakukan pemantauan area secara terus-menerus dan menghasilkan data berupa gambar atau video yang akan digunakan sebagai objek analisis. Berbeda dengan kamera analog konvensional, IP Camera mampu mengirimkan data melalui jaringan komputer menggunakan protokol internet sehingga memudahkan integrasi dengan Raspberry Pi sebagai server pemrosesan.
Dalam sistem ini, IP Camera mengambil snapshot atau frame video secara berkala dan mengirimkannya ke Raspberry Pi melalui jaringan lokal menggunakan protokol HTTP. Kualitas gambar yang dihasilkan sangat mempengaruhi tingkat akurasi deteksi api. Oleh karena itu, posisi pemasangan kamera, pencahayaan lingkungan, serta resolusi kamera menjadi faktor penting yang perlu diperhatikan.
• Raspberry Pi (Server)
Raspberry Pi berfungsi sebagai pusat pengendalian dan pemrosesan seluruh sistem FireVision. Perangkat ini menerima data gambar dari IP Camera, menjalankan algoritma deteksi api menggunakan OpenCV, mengelola database, mengirim notifikasi Telegram, serta menjalankan Web Dashboard untuk monitoring pengguna.
Selain berfungsi sebagai server pemrosesan, Raspberry Pi juga bertindak sebagai penghubung antara seluruh komponen sistem. Ketika gambar diterima dari kamera, Raspberry Pi akan melakukan proses analisis untuk menentukan apakah terdapat indikasi api. Jika ditemukan indikasi kebakaran, Raspberry Pi akan menyimpan hasil deteksi ke database, memperbarui dashboard, dan mengirimkan notifikasi kepada pengguna.
• OpenCV (Modul Deteksi Api)
OpenCV merupakan pustaka pengolahan citra digital yang digunakan sebagai mesin utama dalam proses deteksi api. OpenCV menyediakan berbagai fungsi analisis gambar seperti segmentasi warna, pengenalan pola, filtering citra, serta pemrosesan video secara real-time yang dapat dimanfaatkan untuk mengidentifikasi objek tertentu.
Pada sistem FireVision, OpenCV digunakan untuk mendeteksi karakteristik visual api yang umumnya memiliki warna merah, oranye, dan kuning dengan intensitas cahaya tertentu. Setiap gambar yang diterima dari IP Camera akan diproses menggunakan algoritma OpenCV untuk menentukan apakah terdapat objek yang menyerupai api. Hasil analisis tersebut kemudian diterjemahkan menjadi status “AMAN” atau “API TERDETEKSI”.
• Database SQLite
SQLite berfungsi sebagai media penyimpanan data pada sistem FireVision. Database ini digunakan untuk menyimpan berbagai informasi penting seperti waktu deteksi, status hasil analisis, gambar hasil tangkapan kamera, serta riwayat kejadian yang terjadi selama sistem beroperasi.
Penyimpanan data historis sangat penting karena memungkinkan pengguna melakukan evaluasi terhadap kejadian kebakaran yang pernah terjadi. Data tersebut juga dapat digunakan sebagai bahan analisis untuk meningkatkan performa sistem di masa mendatang. SQLite dipilih karena memiliki ukuran yang ringan, tidak memerlukan server database terpisah, serta dapat berjalan dengan baik pada Raspberry Pi.
• Web Dashboard
Web Dashboard merupakan antarmuka utama yang digunakan pengguna untuk memantau kondisi sistem secara real-time. Dashboard menyediakan berbagai informasi penting seperti status keamanan area, hasil deteksi terbaru, tampilan kamera, serta riwayat kejadian yang tersimpan dalam database.
Melalui dashboard ini, pengguna dapat mengetahui kondisi area yang dipantau tanpa harus berada di lokasi secara langsung. Dashboard juga mempermudah proses monitoring karena seluruh informasi ditampilkan dalam satu halaman yang mudah dipahami. Selain menampilkan data secara real-time, dashboard dapat digunakan sebagai media evaluasi dengan menampilkan riwayat hasil deteksi.
• Cloudflare Tunnel
Cloudflare Tunnel berfungsi sebagai media penghubung antara layanan lokal yang berjalan pada Raspberry Pi dengan jaringan internet. Teknologi ini memungkinkan Web Dashboard dapat diakses dari mana saja tanpa perlu melakukan konfigurasi port forwarding pada router.
Cloudflare Tunnel bekerja dengan membuat koneksi keluar dari Raspberry Pi menuju jaringan Cloudflare. Ketika pengguna mengakses domain dashboard melalui internet, Cloudflare akan meneruskan permintaan tersebut melalui tunnel yang telah dibuat. Pendekatan ini memberikan tingkat keamanan yang lebih baik dibandingkan port forwarding karena server lokal tidak diekspos secara langsung ke internet.
VII. HASIL
Hasil dari implementasi sistem FireVision menunjukkan bahwa sistem dapat berjalan sesuai dengan fungsi yang dirancang. IP Camera mampu mengambil gambar dari area yang dipantau dan Raspberry Pi dapat memproses gambar tersebut menggunakan OpenCV. Sistem juga mampu menentukan kondisi aman atau adanya indikasi api berdasarkan hasil pengolahan citra.
Ketika sistem mendeteksi adanya indikasi api, data hasil deteksi dapat disimpan ke database SQLite dan notifikasi peringatan dapat dikirimkan melalui Telegram Bot. Selain itu, Web Dashboard dapat menampilkan status sistem, tampilan kamera, dan riwayat deteksi secara real-time. Dengan bantuan Cloudflare Tunnel, dashboard juga dapat diakses dari jarak jauh melalui internet.
VIII. KELEBIHAN DAN KEKURANGAN
• Kelebihan
Sistem FireVision memiliki beberapa kelebihan. Pertama, sistem mampu melakukan monitoring secara real-time selama sistem aktif. Kedua, sistem dapat mendeteksi indikasi api secara otomatis tanpa memerlukan pengawasan manusia secara terus-menerus. Ketiga, sistem dilengkapi dengan notifikasi Telegram sehingga pengguna dapat segera mengetahui apabila terjadi indikasi kebakaran.
Kelebihan lainnya adalah sistem dapat diakses dari jarak jauh melalui Web Dashboard dengan bantuan Cloudflare Tunnel. Sistem ini juga menggunakan perangkat yang relatif mudah diperoleh, seperti Raspberry Pi dan IP Camera, sehingga biaya implementasinya lebih terjangkau. Selain itu, sistem bersifat fleksibel karena dapat diterapkan di berbagai lokasi seperti rumah tinggal, gudang, ruang server, laboratorium, maupun lingkungan industri kecil.
• Kekurangan
Meskipun memiliki beberapa kelebihan, sistem FireVision juga memiliki kekurangan. Sistem masih sangat bergantung pada kualitas kamera, pencahayaan lingkungan, dan posisi pemasangan kamera. Apabila kualitas gambar kurang baik, maka proses deteksi api dapat menjadi kurang akurat.
Selain itu, sistem membutuhkan koneksi jaringan yang stabil agar IP Camera, Web Dashboard, Telegram Bot, dan Cloudflare Tunnel dapat berjalan dengan baik. Sistem juga masih berpotensi mengalami false detection atau kesalahan deteksi, terutama pada kondisi pencahayaan tertentu atau objek yang memiliki warna mirip dengan api. Kekurangan lainnya adalah sistem belum dilengkapi dengan alarm fisik dan sistem pemadam api otomatis, sehingga tindakan pemadaman masih harus dilakukan secara manual oleh pengguna.
IX. KESIMPULAN
Berdasarkan perancangan dan implementasi yang dilakukan, sistem FireVision merupakan sistem deteksi api berbasis Raspberry Pi yang menggunakan IP Camera, OpenCV, dan Web Dashboard untuk melakukan monitoring area secara real-time. Sistem ini mampu mengambil gambar dari IP Camera, memproses gambar menggunakan OpenCV, menentukan status deteksi, menyimpan data ke database SQLite, mengirimkan notifikasi melalui Telegram Bot, serta menampilkan hasil monitoring pada Web Dashboard.
Sistem ini dapat membantu pengguna dalam melakukan pemantauan area dari jarak jauh dan memberikan peringatan dini ketika terdeteksi indikasi api. Dengan adanya akses melalui Cloudflare Tunnel, dashboard dapat diakses dari mana saja melalui internet. Secara umum, sistem ini dapat menjadi solusi awal untuk meningkatkan keamanan area dan mengurangi risiko keterlambatan dalam penanganan kebakaran.
X. SARAN PENGEMBANGAN
Sistem FireVision masih dapat dikembangkan agar memiliki kemampuan deteksi yang lebih baik. Salah satu pengembangan yang dapat dilakukan adalah menambahkan metode deteksi berbasis machine learning atau deep learning agar sistem mampu mengenali api dengan tingkat akurasi yang lebih tinggi dan mengurangi kemungkinan false detection.
Selain itu, sistem dapat dikembangkan dengan menambahkan alarm fisik seperti buzzer atau sirine, serta sistem pemadam api otomatis agar tindakan penanganan awal dapat dilakukan secara langsung. Pengembangan lainnya adalah meningkatkan kualitas kamera, menambahkan sensor pendukung seperti sensor asap atau sensor suhu, serta memperbaiki tampilan Web Dashboard agar lebih informatif dan mudah digunakan.
XI. AUTHOR CONTRIBUTION
 |
Dimas Adisyahrul Kristanto Bertanggung jawab dalam pengembangan sistem, perancangan fitur utama, pembuatan dashboard monitoring, serta pengujian fungsi sistem Celengan Rindu. Kontribusinya meliputi pengelolaan alur input data tabungan, tampilan saldo, histori transaksi, dan grafik perkembangan tabungan. |
 |
Moch Ardiansyah Bertanggung jawab dalam konfigurasi Raspberry Pi sebagai server lokal, pengaturan server Flask, penyimpanan data menggunakan database SQLite, serta pengujian akses sistem melalui jaringan lokal dan secure tunnel. |
 |
Rafky Rayhan Abimanyu Bertanggung jawab dalam penyusunan dokumentasi proyek, perancangan konsep sistem, pengumpulan referensi, serta penyusunan artikel publikasi pada Blogger. Kontribusinya juga meliputi analisis hasil dan pembahasan pengembangan sistem. |
 |
Tsabit Muhammad Zimran Bertanggung jawab dalam perancangan tampilan antarmuka pengguna, pengelolaan desain halaman login dan dashboard, serta penyesuaian tampilan agar sistem mudah digunakan oleh pengguna. |
 |
Deva Irta Fauzya Bertanggung jawab dalam pengujian sistem, pengecekan fitur login, input data, penyimpanan data, serta validasi tampilan saldo dan histori tabungan pada dashboard website. |
