ccitonline.com

BELAJAR KOMPUTASI TEKNIK & PENGAPLIKASIANNYA TERHADAP PEMINATAN TEKNOLOGI SISTEM PEMADAM KEBAKARAN & BANGUNAN

Komputasi teknik adalah cabang ilmu yang menggunakan komputer dan metode numerik untuk menyelesaikan masalah teknik yang kompleks dengan menggabungkan ilmu komputer, matematika (terutama analisis numerik), dan ilmu teknik seperti teknik mesin, teknik sipil, teknik elektro, dan lainnya.

Komputasi teknik adalah cabang ilmu yang menggunakan komputer dan metode numerik untuk menyelesaikan masalah teknik yang kompleks dengan menggabungkan ilmu komputer, matematika (terutama analisis numerik), dan ilmu teknik seperti teknik mesin, teknik sipil, teknik elektro, dan lainnya.

Secara Sederhana:

Komputasi teknik = Pemodelan + Simulasi + Pemrograman → untuk menyelesaikan masalah teknik yang tidak bisa diselesaikan secara analitik (rumus biasa).

Proses Komputasi Teknik:

1. Pemodelan Matematika:
   • Merumuskan masalah teknik menjadi model matematis, misalnya sistem persamaan diferensial, aljabar, dsb.
   • Contoh: aliran fluida, perpindahan panas, getaran struktur, dll.
2. Diskretisasi:
   • Mengubah model kontinu menjadi model diskrit (agar bisa dihitung dengan komputer).
   • Metode populer: Finite Element Method (FEM), Finite Difference Method (FDM), Finite Volume Method (FVM).
3. Pemrograman & Simulasi:
   • Mengimplementasikan model ke dalam kode program atau menggunakan software simulasi.
   • Bahasa umum: Python, MATLAB, C++, Fortran.
4. Verifikasi & Validasi:
   • Verifikasi: Apakah kode kita benar?
   • Validasi: Apakah hasilnya sesuai kenyataan atau eksperimen?
5. Analisis Hasil:
   • Visualisasi data, interpretasi grafik, laporan hasil, optimasi.

Instrumen Pembelajaran Komputasi Teknik:

APPLIKASI KOMPUTASI TEKNIK DENGAN BIDANG ILMU YANG SAYA AMBIL

BIDANG ILMU : TEKNOLOGI KESELAMATAN KEBAKARAN DAN BANGUNAN

PAPARAN :

Komputasi teknik pada sistem pemadam kebakaran meliputi desain, simulasi, dan analisis performa sistem proteksi kebakaran, seperti deteksi, alarm, dan pemadaman api otomatis, untuk memastikan keandalan dan efektivitasnya dalam situasi darurat. Peran komputasi mencakup pemodelan penyebaran api, perhitungan laju aliran media pemadam, optimasi penempatan detektor, dan simulasi respons sistem untuk mencegah kerugian akibat kebakaran

Sistem pemadam kebakaran yang memanfaatkan komputasi teknik adalah sistem deteksi dan pemadaman kebakaran otomatis yang mengintegrasikan sensor, Internet of Things (IoT), dan algoritma komputasi untuk mendeteksi dan merespons kebakaran secara cepat dan efisien. Komputasi teknik digunakan untuk memproses data dari sensor (seperti asap, suhu, dan api) menggunakan metode visi komputer dan komputasi tepi untuk deteksi dini yang akurat, lalu memicu media pemadam api secara otomatis atau mengirimkan alarm peringatan. 

SALAH SATU DARI BEBERAPA IDE SISTEM PROTEKSI DAN PENDETEKSI KEBAKARAN YANG SAYA INGIN KEMBANGKAN YAITU :

SISTEM PROTEKSI DAN PENDETEKSI API DAN ASAP DENGAN MENGGUNAKAN KAMERA

PAPARAN DAN PENJELASAN

Pendeteksi pemadam kebakaran berbasis komputasi teknik—khususnya dengan menggunakan kamera sebagai sensor Adalah topik riset atau proyek yang cukup canggih dan menarik karena menggabungkan komputasi teknik, visi komputer, dan sistem cerdas.

🔥📷 Konsep: Sistem Pendeteksi Pemadam Kebakaran Berbasis Kamera + Komputasi Teknik

🎯 Tujuan Sistem:

Mendeteksi kejadian kebakaran secara visual (kamera), lalu mengaktifkan sistem pemadam otomatis berdasarkan analisis data visual dan/atau simulasi kondisi termal/lingkungan.

🧠 1. Bagaimana Komputasi Teknik Berperan di Sini?

Komputasi teknik bisa digunakan di dua bagian utama:

✅ 1. Simulasi dan Prediksi Kondisi Kebakaran

• Menggunakan simulasi komputasi untuk memodelkan penyebaran api dan panas.
• Bisa digunakan untuk:
  • Menentukan lokasi optimal kamera.
  • Menilai efektivitas sistem pemadam berdasarkan posisi dan arah api.
• Tools: CFD (Computational Fluid Dynamics), misalnya dengan Fire Dynamics Simulator (FDS), OpenFOAM.

✅ 2. Pendeteksian Api dan Asap dari Gambar Kamera (Computer Vision)

• Menggunakan kamera pengawas (CCTV) atau kamera termal.
• Diolah menggunakan:
  • Deep learning (CNN) untuk mengenali api dan asap.
  • Image processing (warna, gerakan, tekstur).

⚙️ 2. Komponen Sistem (Arsitektur Umum)

1. Kamera Pemantau
   • Kamera RGB atau termal (infrared).
   • Diletakkan di lokasi strategis berdasarkan hasil simulasi.
2. Unit Pemrosesan (Edge/Cloud)
   • Komputer mini (misalnya Raspberry Pi, Jetson Nano) atau server.
   • Diinstal model deteksi kebakaran (CNN/YOLO, dsb).
3. Model Deteksi Api & Asap
   • Dataset pelatihan: citra/video api/asap.
   • Deep learning (CNN, YOLOv5/v8, EfficientDet).
   • Output: Koordinat lokasi api, tingkat keparahan.
4. Sistem Respons (Pemadam Otomatis)
   • Setelah pendeteksian, sistem mengirim sinyal ke:
     • Pompa air
     • Tabung gas pemadam (CO₂, foam, dll)
     • Alarm, notifikasi ke petugas
5. Simulasi Pendukung
   • Gunakan software simulasi kebakaran (FDS) untuk menguji:
     • Rute penyebaran api
     • Waktu respon sistem
     • Efektivitas penempatan alat pemadam

💻 3. Contoh Alur Proses Sistem:

[ Kamera ] 
    ↓ 
[ Pemrosesan Gambar ]
    ↓
[ Model Deep Learning Deteksi Api ]
    ↓
[ Sistem Keputusan (misalnya berbasis aturan atau AI) ]
    ↓
[ Aktuasi: Alarm + Aktivasi Pemadam ]

Jika digabung dengan komputasi teknik:

[ Data Visual + Sensor Lain ] 
    ↓ 
[ Simulasi Penyebaran Api (CFD) ]
    ↓
[ Estimasi Resiko & Kecepatan Respon ]
    ↓
[ Keputusan Optimal: Aktifkan Pemadam Bagian X ]

🔧 4. Teknologi yang Bisa Digunakan

🧪 5. Contoh Proyek Mini untuk Pemula:

1. Level 1 – Deteksi Api Sederhana:
   • Gunakan kamera webcam.
   • Gunakan model YOLOv5 pre-trained untuk deteksi api.
   • Buat sistem alarm ketika api terdeteksi.
2. Level 2 – Simulasi & Analisis:
   • Pelajari FDS.
   • Simulasikan skenario penyebaran api di ruangan kecil.
   • Evaluasi posisi optimal untuk kamera dan pemadam.
3. Level 3 – Sistem Pemadam Aktif:
   • Integrasikan kamera + deteksi + aktuator (servo, pompa air).
   • Saat api terdeteksi → arahkan nozzle → semprotkan air/gas.

📚 Referensi untuk Belajar:

• FDS (Fire Dynamics Simulator) by NIST
• Dataset api dan asap: FIRESENSE, FLAME dataset, Kaggle Fire Datasets
• Buku: Computer Vision: Models, Learning, and Inference – Simon Prince
• Paper: “Real-time fire and flame detection using enhanced CNN” (bisa dicari di Google Scholar)