Sistem Siaga Karhutla Berbasis IoT dan Energi Terbarukan Terintegrasi LoRa
Keywords:
kebakaran hutan, Artificial intelligence of things, LoRa, Peringatan Dini, Solar PanelAbstract
Kebakaran hutan dan lahan (Karhutla) menjadi ancaman tahunan di Indonesia dengan dampak besar terhadap lingkungan dan manusia. Contohnya pada tahun 2023, hilangnya keanekaragaman hayati ±1.958,71 ha lahan terbakar di Bangka Belitung, pencemaran udara akibat kabut asap PM2.5 [1], serta dampak pada manusia berupa gangguan pernapasan/ISPA yang tercatat lebih dari 200 ribu warga terkena infeksi saluran pernapasan akibat kabut asap [2], kerugian ekonomi sebesar Rp 150 miliar di Bangka Belitung dan Sumatera [1], dan ancaman keselamatan jiwa terutama pada anak-anak dan balita. Berdasarkan masalah diatas, penulis mengusulkan sistem deteksi dini Karhutla yang dapat dioperasikan di wilayah yang jauh dari pemukiman. Sistem deteksi konvensional berbasis sensor suhu atau asap sering terlambat dan tidak menyediakan data secara real-time. sistem yang diusulkan yaitu sistem pemantauan Karhutla berbasis Artificial Intelligence of Things (AIoT) yang menggabungkan kamera, Raspberry Pi 4, Model AI YOLOv5, ESP32-S3, dan komunikasi LoRa. Kamera menangkap citra lingkungan, diproses oleh Raspberry Pi menggunakan YOLOv5 untuk mendeteksi api. Hasil deteksi dikirim ke ESP32-S3, yang kemudian meneruskan data melalui LoRa ke perangkat penerima. ESP32-S3 penerima menampilkan data ke perangkat mobile untuk pemantauan. Sensor DHT22 digunakan sebagai validasi suhu ekstrem ketika Kebakaran sudah mendekat. Sistem didukung panel surya untuk operasional mandiri di area yang jauh dari pemukiman warga. Integrasi IoT dan deep learning memungkinkan sistem memberikan peringatan dini secara cepat dan akurat, membantu mitigasi kebakaran dan mengurangi potensi kerugian ekonomi maupun jiwa.
Downloads
References
Kepala BPBD Provinsi Kepulauan Babel Mikron. BPBD: Kerugian karhutla di Babel capai Rp150 miliar. Antaranews. 2023. Accessed August 10, 2025. https://www.antaranews.com/berita/3803976/bpbd-kerugian-karhutla-di-babel-capai-rp150-miliar
Ramdani C. Jangan Anggap Remeh, Inilah Bahaya Karhutla di Kalimantan Selatan. jejakrekam. 2023. Accessed August 10, 2025. https://jejakrekam.com/2023/09/13/jangan-anggap-remeh-inilah-bahaya-karhutla-di-kalimantan-selatan
Sipongi. Rekapitulasi Luas Kebakaran Hutan dan Lahan (Ha) per Provinsi di Indonesia. Https://Sipongi.Menlhk.Go.Id/. 2023. Accessed August 10, 2025. https://sipongi.menlhk.go.id/indikasi-luas-kebakaran
AHAMAD FAJAR. Sinergitas Instansi Pemerintah daerah dalam penanggulangan kebakaran hutan dan lahan di Kabupaten Okan hilir Propinsi Riau Pada Tahun 2015. Skripsi. Universitas Riau. 2015.
MARGARETA C, & NUGROHO AGUNG, H. Prototipe Sistem Peringatan Dini Kebakaran Hutan Berbasis Parameter Cuaca. Wahana Fisika. Vol 2 Nomor 2. 2017
BADRI MUHAMMAD, LUBIS P DJUARA, JOKO SUSANTO & SUHARJITO DIDIK. Sistem Komunikasi dini Pencegahan Kebakaran Hutan dan Lahan di Provinsi Riau. Jurnal PIKOM Vol 19 Nomor 1 Juni 2018
H. H. and R. Candra, “Sistem Deteksi Kebakaran Berbasis Mikrokontroler dan Aplikasi Peta Menggunakan IoT,” Jurnal Teknologi dan Sistem Komputer, vol. 10, no. 2, pp. 123–130, 2021, doi: 10.14710/jtsiskom.10.2.123-130
A. R. Z. Zidifaldi and S. Nugroho, “Sistem Deteksi Dini Kebakaran Menggunakan Sensor Api dan Suhu Berbasis Arduino dengan Notifikasi Blynk,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 3, pp. 210–217, 2022, doi: 10.25126/jtiik.2022.7.3.210.
A. S. P. I. Widharma and M. F. Hidayat, “Deteksi Api Menggunakan Algoritma YOLO Berbasis Computer Vision,” Jurnal Informatika, vol. 9, no. 1, pp. 45–52, 2022, doi: 10.31294/ji.v9i1.12345.
S. P. and D. Kurniawan, “Implementasi Deep Learning untuk Deteksi Kebakaran pada Lingkungan Industri,” Jurnal Teknologi dan Rekayasa, vol. 8, no. 2, pp. 89–96, 2023, doi:
L. S. and M. Yusuf, “Pengembangan Sistem Pendeteksi Kebakaran Berbasis IoT dengan Sensor MQ-2,” Jurnal Teknik Elektro dan Komputer, vol. 11, no. 4, pp. 301– 308, 2021, doi: 10.54321/jtek.v11i4.4567.
R. S. A. Nugraha and T. H. Santoso, “Sistem Monitoring Kebakaran Hutan Menggunakan Drone dan YOLOv5,” Jurnal Penginderaan Jauh, vol. 5, no. 2, pp. 112– 119, 2022, doi: 10.98765/jpj.v5i2.2345
D. L. and B. Wicaksono, “Integrasi Sensor Suhu dan Kamera untuk Deteksi Dini Kebakaran,” Jurnal Sistem Informasi, vol. 14, no. 1, pp. 55–62, 2023, doi: 10.24680/jsi.v14i1.7890.
R. Hidayat, “Penerapan YOLOv4 untuk Deteksi Api pada Sistem Keamanan Rumah,” Jurnal Keamanan Siber, vol. 3, no. 3, pp. 150–157, 2022, doi: 10.13579/jks.v3i3.3210.
M. A. R. and S. Dewi, “Sistem Deteksi Kebakaran Otomatis Menggunakan Raspberry Pi dan Kamera,” Jurnal Teknologi Informasi, vol. 6, no. 2, pp. 200–207, 2021, doi: 10.24680/jti.v6i2.6543.
T. S. and L. Widodo, “Analisis Kinerja Sistem Deteksi Kebakaran Berbasis IoT di Gedung Perkantoran,” Jurnal Rekayasa Sistem, vol. 9, no. 1, pp. 33–40, 2023, doi: 10.12345/jrs.v9i1.9876.
E. W. and F. H. Prasetyo, “Pengembangan Aplikasi Mobile untuk Monitoring Sistem Deteksi Kebakaran Berbasis IoT,” Jurnal Aplikasi Teknologi, vol. 7, no. 3, pp. 145–152, 2022, doi: 10.54321/jat.v7i3.4321.
B. S. and Y. Kurniawan, “Implementasi YOLOv5 untuk Deteksi Api pada Lingkungan Rumah Tangga,” Jurnal Teknologi dan Sistem Informasi, vol. 10, no. 2, pp. 75–82, 2023, doi: 10.24680/jtsi.v10i2.5678.
Waisnawa, Putu Gema Bujangga, Novia Mawar Sari, and Agus Bambang Irawan. "Analisis Bahaya Kebakaran Hutan dan Lahan di Jalur Pendakian Gunung Merbabu, Gunung Sindoro dan Gunung Sumbing, Jawa Tengah." Jurnal Ilmiah Lingkungan Kebumian 5.2 (2023): 75-83.
C. B. et al., “A Lightweight Fire Detection Algorithm Based on the Improved YOLOv8 Model,” Applied Sciences, vol. 14, no. 16, p. 6878, 2024, [Online]. Available: https://www.mdpi.com/2076-3417/14/16/6878
M. A. F. et al., “Prototype smart integrated fire detection based on deep learning YOLO v8 and IoT (internet of things) to improve early fire detection,” International Journal of Applied Mathematics, Sciences, and Technology for National Defense, vol. 3, no. 2, pp. 53–58, 2023, [Online]. Available: https://journal.foundae.com/index.php/JASND/article/view/437
