Fakultas Ilmu Komputer
Universitas Brawijaya
3963
Implementasi Sistem Pemadam Kebakaran Pada Ruang Tertutup Berbasis
Arduino Menggunakan Logika Fuzzy
Rahmat Naharu Yanuar1, Mochammad Hannats Hanafi Ichsan2, Gembong Edhi Setyawan3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1rnyanuar19@gmail.com, 2hanas.hanafi@ub.ac.id, 3gembong@ub.ac.id
Abstrak
Kebakaran terjadi tidak mengenal tempat dan waktu, bisa terjadi dimana saja dan kapan saja. Beberapa penyebab kebakaran yaitu human error, konsleting listrik, rokok, kompor dll. Akibatnya banyak pihak yang mengalami kerugian baik harta benda, badan usaha, maupun korban jiwa. Berdasarkan permasalahan tersebut, diperlukan sebuah sistem yang mampu mendeteksi kebakaran dan melakukan suatu aksi pencegahan yaitu pemadaman. Pada penelitian sebelumnya hanya mengacu dalam penginformasian atau bisa disebut monitoring. Pada penelitian ini parameter yang di pakai yaitu sensor suhu DHT11, sensor asap MQ-2 dan sensor flame. Output dari sistem adalah aksi yaitu berupa aktuator dengan exhaust fan untuk pembuangan asap dan waterpump untuk pemadaman api. Metode
Fuzzy Mamdani diterapkan kedalam sistem untuk mengendalikan penentu aktuator fan dan pump
sesuai kebutuhan. Terdapat 3 variabel input yang dipakai yaitu suhu dengan 3 membership fuction , asap dengan 3 membership fuction, dan api dengan 4 membership fuction serta 2 variabel output yaitu
exhaustfan dengan 4 membership fuction dan waterpump dengan 4 membership fuction dengan 36
aturan fuzzy. Dari hasil pengujian, sistem dapat menentukan berbagai kondisi ruangan dengan keakuratan mencapai 100%. Pada pengujian fuzzy didapatkan persentase keberhasilan sebesar 100%. Hal ini menunjukkan bahwa hasil dari pengujian metode fuzzy pada sistem sesuai dengan perancangan yang telah dibuat. Sistem dapat menentukan berbagai kondisi output yang merupakan aktuator yaitu kecepatan kipas dan durasi pompa air yang bervariasi.
Kata kunci: Kebakaran, Sensor DHT11, Sensor MQ-2 , Sensor Flame, Aktuator, Fuzzy Mamdani.
Abstract
Fires occur not knowing the place and time, can occur anywhere and anytime. Some causes of fires are human error, electrical short circuit, cigarettes, stove etc. Related to many parties who replace losses with property, business entities, and casualties. Based on these problems, we need a system that can overcome fire problems and take preventive measures such as blackouts. In previous studies it could only be called monitoring in information or it could be called monitoring. In this study the parameters used are the DHT11 temperature sensor, the sensor as soon as possible MQ-2 and the on sensor. The output of the system is an action consisting of an actuator with an exhaust fan for immediate transfer and water pump for fire suppression. The Fuzzy Mamdani method is applied to the system to connect the determinant of fan and pump actuators as needed. There are 3 input variables used, namely temperature with 3 membership functions, as soon as possible with 3 membership functions, and fire with 4 membership functions and 2 output variables, namely exhaust fan with 4 membership functions and water pump with 4 membership functions. Must get 36 fuzzy rules. From the test results, the system can determine various conditions of the room with accuracy reaching 100%. In fuzzy testing, the percentage of success is 100%. This shows that the results of the fuzzy testing method on the system are in accordance with the design that has been made. The system output determines the output that is an actuator, which is fan speed and pump duration varies.
Keywords: Fire, Sensor DHT11, Sensor MQ-2 , Sensor Flame, Actuator, Fuzzy Mamdani.
1. PENDAHULUAN
Kebakaran terjadi tidak mengenal tempat dan waktu, bisa terjadi dimana saja dan kapan
saja, hampir setiap hari melalui media kita dapat mengetahui informasi kebakaran di berbagai tempat di tanah air. Banyak hal yang menyebabkan terjadinya kebakaran, menurut
data statistik pemadamapi (n.d) mengambil sample di kota Jakarta yaitu disebabkan oleh konsleting listrik, human error, rokok, kompor, dan lain-lain.
Pada umumnya kebakaran diketahui setelah api sudah membesar, dan petugas pemadam kebakaran datang terlambat. Hal ini terjadi karena kurang memadainya alat pendeteksi atau sistem kontrol pemadaman kebakaran yang bekerja secara otomatis. Akibatnya pemadaman dilakukan setelah api membesar dan kerugianpun besar.
Beberapa teknik pendeteksian dan sistem kontrol otomatis banyak menggunakan teknik komparasi ataupun logika fuzzy dalam pengolahan datanya. Penalaran Fuzzy sering disebut dengan analogi samar yaitu nilai yang dipakai berada diantara 0 dan 1. Jika diterapkan dalam sistem akan mendapatkan hasil yang dinamis dan akurat (Risandriya, 2012). Output sistem merupakan hasil dari reaksi suhu, api dan asap serta jika terjadi indikasi kebakaran maka pemadaman dengan cara menjalankan pompa penyemprot air dan exhaustfan yang bekerja secara on-off dan proporsional. Maka dari itu dengan pengolahan data menggunakan fuzzy diharapkan lebih akurat dalam penanganannya.
Berdasarkan hal tersebut penulis membuat suatu sistem kontrol pemadam api. Implementasi yang dilakukan ini merupakan alternatif pengembangan dari beberapa hasil penelitian yang sudah ada salah satunya yaitu dari
Purnomo (2017),
namun dalam pengaplikasiannya hanya sebatas monitoring. Maka dari itu dibuatlah sistem kontrol dengan output berupa aktuator “Implementasi Sistem Pemadam Kebakaran Pada Ruang Tertutup Berbasis Arduino Menggunakan Logika Fuzzy” Alat ini secara kontinyu memantau kondisi di dalam ruangan. Jika terdeteksi panas, api, asap dan peningkatannya maka secara otomatis alat akan melakukan aksi. Aksi yang dilakukan berupa peringatan alarm, penyedotan asap jika terjadi banyak asap, serta penyemprotan air jika terjadi kebakaran. Penyemprotan air dan penyedotan asap dilakukan secara proporsional disesuaikan dengan kebutuhan.2. RANCANGAN DAN IMPLEMENTASI 2.1. Perancangan Perangkat Keras
Pada perancangan perangkat keras ini akan menjelaskan pembuatan skema rangkaian dan
desain perancangan prototipe sistem. Diagram blok sistem dapat dilihat pada Gambar 1.
Mikrokontroler Arduino UNO SENSOR SUHU DHT11 FLAME SENSOR SENSOR ASAP MQ-2 BUZZER Sebagai Alarm Kebakaran EXHAUST FAN (Penyedot Asap) POMPA AIR (Penyemprot Air) Proses
Proses OutputOutput Input
Input
Gambar 1. Diagram blok sistem
Pada Gambar 1 inputannya berupa sensor suhu yaitu DHT11, Sensor api dan sensor asap MQ-2 dan diproses oleh mikrokontroler arduino UNO dan dioutputkan ke alarm, kipas penyedot dan kompresor air. Jika terdeteksi kebakaran maka alarm peringatan berbunyi, jika terdeteksi api dan suhu meningkat diatas ambang batas maka kompresor air menyala untuk memadamkan api, jika semakin banyak asap maka exhaust fan aktif. Proses pengambilan keputusan tersebut menggunakan algoritma fuzzy untuk lebih akurat dalam pengaplikasiannya.
Gambar 2. Skema rangkaian sistem
Koneksi pin pada Gambar 1 dijelaskan pada tabel 1 dan tabel 2.
Tabel 1. Koneksi pin skema rangkaian sistem
Pin Arduino Uno Pin sensor DHT11 Pin Sensor flame Pin sensor MQ-2 Pin Buzzer VCC Vcc VCC VCC - GND GND GND GND GDN A0 - - A0 - A1 A0 - - -
Fakultas Ilmu Komputer, Universitas Brawijaya
A2 - A0 - -
5 - - - -
6 - - - -
7 - - - IN
Tabel 2. Koneksi pin arduino ke aktuator
PIN ARDUINO UNO PIN MOTOR DRIVER PIN FAN PIN WATER PUMP VIN 12V - - VCC 5V - - GND GND, IN2,IN4 - - 5 IN1 - - 6 IN3 - - - OUTA1 VCC - - OUTA2 GND - - OUTB1 - VCC - OUTB1 - GND
2.2. Perancangan Perangkat Lunak
Perancangan sistem dengan menggunakan metode fuzzy membutuhkan beberapa proses sehingga terbentuknya suatu keputusan output dari sistem sesuai dengan perhitungan fuzzy. Proses tersebut antara lain fuzzifikasi, implikasi, komposisi, dan defuzzifikasi. Flowchart perancangan kontrol fuzzy dapat dilihat pada Gambar 3.
Gambar 3. Alur fuzzy logic
Sistem yang dibangun memiliki 3 jenis input berupa data kadar asap, data api, dan suhu di sekitar prototype dan 2 jenis output yaitu kecepatan fan dan durasi pompa. Pada data suhu digolongkan menjadi 3 kriteria, yaitu dingin, normal, Panas. Setiap data input akan di cek nilai keanggotaan untuk menentukan golongan input. Perancangan himpunan fuzzy suhu dapat dilihat pada Gambar 4.
Gambar 4. fungsi keanggotaan suhu
Untuk data asap memiliki 3 fungsi keanggotaan yaitu tipis, sedang dan tebal. Perancangan himpunan fuzzy suhu dapat dilihat pada Gambar 5.
Gambar 5. Fungsi keanggotaan asap
Untuk data api memiliki 4 fungsi keanggotaan yaitu dekat, agak dekat, jauh, dan tidak ada api. Perancangan himpunan fuzzy api dapat dilihat pada Gambar 6.
Gambar 6. Fungsi keanggotaan api
Pada variabel output terdapat 2 jenis yaitu kecepatan fan dan durasi pompa. Pada variable kipas terdapat 4 membership fuction yaitu off, lambat, sedang dan cepat. Perancangan himpunan fuzzy kipas bisa dilihat pada Gambar 7.
Gambar 7. Fungsi keanggotaan kipas
Untuk variabeL pompa memiliki 4 fungsi keanggotaan yaitu off, sengkat, agak lama dan lama. Perancangan himpunan fuzzy pompa dapat dilihat pada Gambar 8.
Gambar 8. Fungsi keanggotaan Tpompa
Setelah proses fuzzifikasi selesai dilanjutkan dengan proses implikasi metode Min. Proses ini dilakukan setelah diperoleh nilai masing-masing derajat keanggotaan tiap parameter dan untuk mencari nilai minimum tiap rule (aturan). terbentuk 10 himpunan fuzzy sebagai input, yaitu: dingin, normal, panas, tipis, sedang, tebal dan dekat, agak dekat, jauh, tidak ada api. Ditambah dengan 8 himpunan kondisi sebagai output, yaitu : lambat, sedang, cepat dan off, singkat , agak lama, lama. Fuzzy sistem yang akan dibuat dengan menggunakan perintah “IF” dan “AND” dan menghasikan perintah “THEN”. Aturan dasar fuzzy yang digunakan dapat dilihat pada Tabel 3.
Tabel 3. Rule fuzzy
Rul
No Suhu Asap Api
Kondisi
Kipas Tpompa
1 Dingin Tipis Tdk
ada api Off Off
2 Dingin Tipis Jauh Lambat Singkat
3 Dingin Tipis Agak
dekat Lambat
Agak lama
4 Dingin Tipis Dekat Lambat lama
5 Dingin Sedang Tdk
ada api Sedang Off
6 Dingin Sedang Jauh Sedang Singkat
7 Dingin Sedang Agak
dekat Sedang
Agak lama
8 Dingin Sedang Dekat Sedang lama
9 Dingin Tebal Tdk
ada api Cepat Off
10 Dingin Tebal Jauh Cepat Singkat
11 Dingin Tebal Agak
dekat Cepat
Agak lama
12 Dingin Tebal Dekat Cepat lama
13 Normal Tipis Tdk
ada api Off Off
14 Normal Tipis Jauh Lambat Singkat
15 Normal Tipis Agak
dekat Lambat
Agak lama
16 Normal Tipis Dekat Lambat lama
17 Normal Sedang Tdk
ada api Sedang Off
18 Normal Sedang Jauh Sedang Singkat
19 Normal Sedang Agak
dekat Sedang
Agak lama
20 Normal Sedang Dekat Sedang lama
21 Normal Tebal Tdk
ada api Cepat Off
22 Normal Tebal Jauh Cepat Singkat
23 Normal Tebal Agak
dekat Cepat
Agak lama
24 Normal Tebal Dekat Cepat lama
25 Panas Tipis Tdk
ada api Off Off
26 Panas Tipis Jauh Lambat Singkat
27 Panas Tipis Agak
dekat Lambat
Agak lama
28 Panas Tipis Dekat Lambat lama
29 Panas Sedang Tdk
ada api Sedang Off
30 Panas Sedang Jauh Sedang Singkat
31 Panas Sedang Agak
dekat Sedang
Agak lama
32 Panas Sedang Dekat Sedang lama
33 Panas Tebal Tdk
ada api Cepat Off
34 Panas Tebal Jauh Cepat Singkat
35 Panas Tebal Agak
dekat Cepat
Agak lama
36 Panas Tebal Dekat Cepat lama
Berdasarkan 36 aturan fuzzy tersebut, akan ditentukan nilai Min untuk masing-masing aturan.
Dengan mengetahui nilai minimum dari tiap rule, selanjutnya proses komposisi metode Max dengan menentukan nilai maksimum. Pada proses ini dilakukan dengan mengelompokkan output yang sama dari semua rule.
Tahap terahir yaitu defuzzifikasi dimana pengubahan nilai output logika fuzzy menjadi nilai output sesungguhnya. Metode defuzzifikasi yang digunakan adalah centroid method, disebut juga sebagai center of area atau center of gravity.
Setelah tahap perancangan selanjutnya tahap implementai. Implementasi dilakukan sesuai dengan perancangan yang sudah dilakukan sebelumnya. Implementasi pada perangkat keras dapat dilihat pada Gambar 9.
Fakultas Ilmu Komputer, Universitas Brawijaya
Gambar 9. Implementasi perangkat keras
3. PENGUJIAN DAN ANALISIS
Terdapat 4 pengujian dalam sistem ini, yaitu pengujian akusisi data yang terdiri dari pembacaan sensor MQ-2, sensor DHT11, sensor flame, pengujian fuzzifikasi, dan pengujian waktu eksekusi sistem. Hal tersebut ditunjukan pada Gambar 10.
Gambar 10. Alur pengujian dan analisis
Pada pengujian pertama, dilakukan pengujian akusisi data pada sensor DHT11. Tujuan dari pengujian ini adalah mengetahui sistem error dari sensor jika dibandingkan dengan alat termometer raksa. Pembacaan suhu tersebut dilakukan dengan cara memberikan uap air hangat atau mendekatkan sensor dengan sumber api untuk meningkatkan pembacaan suhu. Output dari pembacaan sensor dilihat melalui serial monitor pada Arduino IDE. Berdasarkan pengujian yang dilakukan, maka didapatkan hasil pembacaan sensor seperti pada Tabel 4 berikut.
Tabel 4. Hasil pengujian sensor DHT11
No Pembacaan Sensor DHT11 (0C) Pembacaan Termometer Ruang (0C) Error(%) 1 27 27 0.0 % 2 28 27 3.7 % 3 29 28 3.6 % 4 30 30 0.0 % 5 31 32 3.1 % 6 32 32 0.0 % 7 33 34 2.9 % 8 34 35 2.9 % 9 35 35 0.0 % 10 36 36 0.0 % 11 37 36 2.8 % 12 38 37 2.7 % 13 39 38 2.6 % 14 40 39 2.6 % Rata-rata 1.92 %
Pada pengujian kedua, pengujian akuisisi data dari sensor MQ-2 adalah untuk mengetahui kemampuan sensor MQ-2 dalam membaca kadar asap. Output dari sensor MQ-2 telah dikalibrasi kedalam bentuk ppm (part per
million). Pengujian dilakukan dengan membuat
asap hasil pembakaran dari obat nyamuk bakar. Hasil pembacaan sensor seperti pada Tabel 5.
Tabel 5. Hasil pengujian sensor MQ-2
No Kondisi Nilai pembacaan ADC Nilai pembacaan sensor MQ-2 (ppm) 1 Belum ada asap 350 0 2 355 0 3 350 0 4 Terdapat asap disekitar sensor dengan variasi kepekatan yang berbeda. 388 2 5 413 5 6 517 18 7 705 64 8 730 89 9 747 103 10 765 127 11 785 158 12 807 274 13 Asap mulai terurai 779 146 14 765 128 15 753 112 16 720 77 17 702 64 18 501 14 19 395 3 20 355 0
Pada pengujian ketiga adalah untuk mengetahui nilai ADC yang dihasilkan oleh sensor ketika mendeteksi adanya infrared yang dihasilkan oleh api. Hasil dapat dilihat pada Tabel 6.
Tabel 6. Hasil pengujian sensor flame
Percobaan Jarak(cm) Pembacaan sensor
1 20 161 2 40 359 3 60 760 4 80 843 5 100 893 6 120 923 7 140 923 8 160 923
Pengujian ke empat yaitu pengujian proses fuzzy. Untuk mengetahui keberhasilan sistem dalam menentukkan aktuator terhadap kondisi ruangan berdasarkan penentuan fuzzy terhadap percobaan di matlab. Hasil percobaan dapat dilihat pada Gambar 11-20.
Gambar 11. Kondisi awal
Gambar 11 menunjukan kondisi awal sistem dimulai suhu 250C, asap 19ppm, jarak api 959mm dan aktuator bernilai 0.
Gambar 12. kondisi awal di matlab
Gambar 12 menunjukan pada nilai awal di serial monitor dimasukkan ke desain matlab. Nilai suhu 250C, asap 19ppm, jarak api 959 dan pompa bernilai 0.
Gambar 13. Kondisi kipas aktif
Pada gambar 13 ketika sistem diberi asap dari obat nyamuk bakar menunjukan kenaikan. Dengan nilai asap yaitu 27ppm, suhu 280C, jarak api 966mm maka exhaust fan aktif bernilai 106,01 dan pompa mati.
Gambar 14. kondisi fan aktif pada matlab
Gambar 14 menunjukan ketika nilai suhu 280C, asap 27ppm dan jarak api 966mm maka nilai kipas 106 dan pompa bernilai 0. Dilihat pada percobaan gambar 13 maka nilai yang keluar pada perbandingan di matlab sesuai yaitu nilai kipas 106 dan durasi pompa 0.
Gambar 15. kondisi fan aktif
Pada gambar 15 menunjukan exhaust fan aktif dengan nilai 120,81 dan durasi pompa mati karena nilai suhu nya adalah 280C, asap 32ppm dan jarak api 948mm.
Fakultas Ilmu Komputer, Universitas Brawijaya Gambar 16 menunjukan kondisi fan aktif ketika nilai suhu 280C, asap 32ppm, jarak api 932mm. Dilihat pada gambar 15 dalam percobaan di arduino terhadap gambar 16 keluaran aktuator sesuai yakni kecepatan kipas 121 dan durasi pompa 0.
Gambar 17. Kondisi kedua aktuator aktif
Pada gambar 17 menunjukan exhaust fan aktif dengan nilai 59,44 dan durasi pompa 28,04 detik karena nilai suhu nya adalah 250C, asap 19ppm dan jarak api 858mm.
Gambar 18. kondisi kedua aktuator aktif
Gambar 18 menunjukan kondisi fan dan pompa aktif ketika nilai suhu 250C, asap 19ppm, jarak api 858mm. Dilihat pada Gambar 17 dalam percobaan di arduino terhadap Gambar 18 keluaran aktuator sesuai yakni kecepatan kipas 59,4 dan durasi pompa 28 detik.
Gambar 19. Kondisi semua aktuator aktif
Pada Gambar 19 menunjukan bahwa aktuator aktif yaitu ketika nilai suhu 290C, asap 35ppm, jarak api 687mm maka nilai kipas 91,23 dan durasi pompa 30,37 detik
Gambar 20. Kondisi aktuator aktif
Gambar 20 menunjukan ketika nilai suhu 290C, asap 35ppm, jarak api 687mm maka nilai
exhaust fan 91,2 dan durasi pompa 30,4 detik.
Melihat pada gambar 19 nilai aktuator yang keluar sama berarti output sesuai.
Pada pengujian 5 sample yang sudah dilakukan dalam pengujian sistem fuzzy terhadap matlab output yang dihasilkan yaitu berupa aktuator sesuai dengan kebutuhan fungsional sistem. Berikut adalah analisis hasil tingkat keakuratan proses fuzzy.
Tabel 7. Tingkat keakuratan Proses Fuzzy
Nilai fuzzyfikasi sesuai 5
Nilai fuzzyfikasi tdk sesuai 0
Tingkat keakuratan 100%
4. KESIMPULAN
Proses perancangan sistem pemadam kebakaran pada ruang tertutup berbasis arduino menggunakan logika fuzzy dengan menggunakan sensor MQ-2, sensor DHT11, dan sensor flame sebagai input dan exhaust fan,
waterpump sebagai output aktuator menjadi
sebuah sistem yang saling terhubung. Proses akuisisi data pada sensor MQ-2 meliputi pembacaan kadar asap yang ada diruangan tertutup dengan satuan ppm (part per million). Proses akuisisi data pada sensor DHT11 meliputi pembacaan suhu yang terdeteksi disekitar sensor. Sedangkan proses akuisisi data sensor flame meliputi pembacaan ADC yang dideteksi oleh sensor terhadap sumber api berdasarkan jarak sensor dengan sumber api.
sistem pemadam kebakaran pada ruang tertutup berbasis arduino meliputi 4 proses yaitu proses fuzzifikasi, proses implikasi, proses komposisi menggunakan metode Min-Max dan proses defuzzifikasi menggunakan metode Centroid.
Pengujian terhadap logika fuzzy dilakukan perbandingan antara pengujian sistem terhadap pengujian di matlab menunjukkan hasil yang sama, baik sistem maupun matlab. Hal ini menunjukkan bahwa dari pengujian metode fuzzy pada sistem sesuai dengan perancangan yang telah dibuat. Sistem dapat menentukan berbagai kondisi output yang merupakan aktuator yaitu kecepatan kipas dan durasi pompa air yang bervariasi. Dalam penelitian selanjutnya diharapkan menggunakan sensor yang lebih akurat dan pengimplementasiannya bukan sekedar prototype melainkan diterapkan pada ruangan yang sebenarnya.
5. DAFTAR PUSTAKA
Ardhika, R. (2014). Sistem Pengaturan Kecepatan Motor DC pada Alat Ekstraksi Madu Menggunakan Kontrol Logika Fuzzy. Malang: Universitas
Brawijaya.
Dwitya N, S. (2011). Rancang Bangun Building
Automation System dengan Menerapkan Kontrol Logika Fuzzy untuk Pengaturan Kipas Angin dan Air Conditioner pada Gedung D4 Lantai 3.
Surabaya: Politeknik Elektronika Negeri Surabaya.
pemadamapi. (2016).
117-ini-data-kebakaran-tahun-2016-di-indonesia-mengerikan.
[Online] Tersedia di:
<pemadamapi.net:
http://pemadamapi.net/index.php/collap sed-menu/harga pemadam/117-ini-data- kebakaran-tahun-2016-di-indonesia-mengerikan> [Diakses Maret 2017]
Purnomo, R. A. (2017). Implementasi Metode
Fuzzy Sugeno Pada Embedded System Untuk Mendeteksi Kondisi Kebakaran Dalam Ruangan. Malang: Fakultas
Ilmu Komputer Universitas Brawijaya. Risandriya, S. K. (2012). Aplikasi Logika Fuzzy
pada Microcontroller dengan Simulasi Pengereman Kendaraan Bermotor.
Batam: Politeknik Batam.
Saefudin, D. (2012). Implementasi Pendeteksian dan Pengiriman Informasi Kebakaran Menggunakan FLC (Fuzzy Logic Controller) dan SMS. Bandung: Politeknik Negeri
Bandung.
saptaji. (2016). mendeteksi-asap-dengan-sensor-mq-2-dan-arduino. [Online] Tersedia di: <saptaji.com: http://saptaji.com/2016/08/12/mendetek si-asap-dengan-sensor-mq-2-dan-arduino/> [Diakses Maret 2017]
Saputra, M. A. (2015). Metode Decision Tree
Sebagai Pembanding Metode Fuzzy Untuk Menentukan Status Kebakaran Menggunakan Multi-Sensor. Malang:
Fakultas Ilmu Komputer Univeritas Brawijaya.
Syambera, M. R., Ria, N. D., & Irkham, Y. (2014). Alat Detektor Api, Asap, dan
Karbon Monoksida dalam Ruangan dengan Transmisi Data Nirkabel.
Semarang: Teknik Elektronika Politeknik Negeri Semarang.
Syarif, E. M. (2016). Model Pengatur Keceptan
Kipas Menggunakan Sensor Asap Berbasis Arduino Uno. Bogor: Program
Studi Ilmu Komputer FMIPA Universitas Pakuan.
