Machine Learning
Kursus Skripsi Tesis Disertasi Python YOLO ~ Deteksi Dini Kebakaran Hutan Berdasarkan Citra UAV dengan YOLO
Berikut adalah silabus 10 sesi (@1,5 jam per sesi) untuk topik:
“Deteksi Dini Kebakaran Hutan Berdasarkan Citra UAV dengan YOLO”
Silabus ini cocok untuk tingkat Skripsi/Tesis atau pelatihan teknis lanjutan, dan mencakup teori, implementasi, hingga evaluasi.
📘 Silabus 10x Sesi – Deteksi Kebakaran Hutan dengan UAV & YOLO
| Sesi | Topik | Deskripsi |
|---|---|---|
| 1 | Pengantar Sistem Deteksi Dini Kebakaran Hutan | – Konsep dasar deteksi kebakaran – Dampak kebakaran hutan – Kebutuhan akan sistem otomatis berbasis UAV dan AI |
| 2 | Pengenalan YOLO dan Computer Vision | – Arsitektur YOLO (v3–v8) – Deteksi objek real-time – Dataset populer untuk deteksi kebakaran |
| 3 | Pengenalan UAV (Drone) dan Sistem Akuisisi Citra | – Komponen UAV (kamera RGB & IR) – Teknik pengambilan gambar udara – Format dan resolusi citra untuk deteksi |
| 4 | Persiapan Dataset Deteksi Kebakaran | – Mengumpulkan dan mengunduh dataset citra UAV kebakaran hutan – Labeling data dengan LabelImg / Roboflow – Struktur dataset YOLO |
| 5 | Pelatihan Model YOLO dengan Dataset Kebakaran | – Preprocessing data (resize, augmentasi) – Konfigurasi YOLO (anchors, cfg, weights) – Training model YOLOv5/v8 menggunakan Python |
| 6 | Evaluasi Performa Model YOLO | – Metrik evaluasi: mAP, precision, recall – Confusion matrix – Visualisasi hasil deteksi |
| 7 | Implementasi Deteksi Kebakaran Realtime | – Deteksi kebakaran dari video drone – Inference realtime dengan OpenCV dan YOLO – Penyesuaian threshold deteksi dan FPS |
| 8 | Integrasi UAV + YOLO dalam Sistem Monitoring | – Workflow: Drone ➝ Citra ➝ YOLO ➝ Deteksi – Simulasi UAV mendeteksi titik api – Skenario lapangan dan pengujian awal |
| 9 | Studi Kasus & Penanganan False Detection | – Analisis false positive/negative – Deteksi asap vs. api – Teknik pengurangan kesalahan (threshold tuning, ensemble, dll) |
| 10 | Presentasi Proyek Mini & Diskusi Evaluasi | – Mahasiswa mempresentasikan mini project / model deteksi mereka – Review hasil, tantangan, dan potensi pengembangan lanjutan (edge deployment, IR camera, cloud) |
💻 Tools & Teknologi yang Digunakan
-
Python, PyTorch
-
YOLOv5 atau YOLOv8
-
LabelImg atau Roboflow
-
OpenCV
-
Google Colab / Jupyter Notebook
-
Dataset: [FIRES Dataset, MODIS, custom UAV images]
