Fakultas Ilmu Komputer
Universitas Brawijaya
1428
Implementasi Metode Fuzzy Sugeno Pada Embedded System Untuk
Mendeteksi Kondisi Kebakaran Dalam Ruangan
Rezak Andri Purnomo1, Dahnial Syauqy2, Mochammad Hannats Hanafi3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1[email protected], 2[email protected], 3[email protected]
Abstrak
Kebakaran merupakan suatu peristiwa yang lebih banyak disebabkan oleh human error. Pada tugas akhir ini terdapat 3 sensor yaitu sensor MQ-2, sensor DHT11, dan sensor flame yang terhubungan dengan mikrokontroller Arduino Mega 2560. Mikrokontroller Arduino Mega 2560 ditanamkan logika
fuzzy sugeno sebagai pemberi keputusan output berdasarkan perhitungan fuzzy. Terdapat 3 proses fuzzy,
yaitu proses fuzzifikasi, proses inferensi, dan proses defuzzifikasi. Proses fuzzifikasi menggunakan 3 variabel yaitu variabel asap, suhu, dan api. Masing-masing variabel memiliki himpunan keanggotaan fuzzy. Variable asap mempunyai 3 himpunan yaitu renggang, sedang, dan pekat. Variablel suhu mempunyai 4 himpunan yaitu dingin, sejuk, hangat, dan panas. Variable api mempunyai 4 himpunan yaitu dekat dengan sensor, agak dekat dengan sensor, jauh dengan sensor, dan tidak ada api. Proses defuzzifikasi menggunakan metode MIN-MAX yang selanjutnya tiap variable kondisi output akan dicari nilai terbesarnya (MAX). Dari hasil pengujian, sistem dapat menentukan berbagai kondisi ruangan dengan keakuratan mencapai 100%. Rata-rata waktu eksekusi sistem adalah ±417.4 ms. Pada pengujian fuzzy didapatkan persentase keberhasilan sebesar 100%. Hal ini menunjukkan bahwa sistem dapat bekerja dengan baik dalam menentukan kondisi ruangan berdasarkan input dari sensor.
Kata kunci: kebakaran, sensor MQ-2, sensor DHT11, sensor flame, arduino mega 2560, fuzzy sugeno
Abstract
Fire is an event caused more by human error. In this final project there are 3 sensors namely MQ-2 sensor, DHT11 sensor, and flame sensor connected with Arduino Mega 2560 microcontroller. Arduino Mega 2560 Microcontroller embedded fuzzy sugeno logic as the output decision based on fuzzy calculation. There are 3 fuzzy processes, namely fuzzification process, inference process, and defuzzification process. Fuzzification process using 3 variables are smoke, temperature, and fire variables. Each variable has a fuzzy membership set. Variable smoke has 3 set that is tenuous, medium, and concentrated. Variablel temperature has 4 set that is cold, cool, warm, and hot. Variable fire has 4 sets that is close to the sensor, rather close to the sensor, away with the sensor, and no fire. Defuzzification process using the MIN-MAX method, then each variable output conditions will be searched for the largest value (MAX). From the test results, the system can determine the various conditions of the room with 100% accuracy. The average system execution time is ± 417.4 ms. In fuzzy testing obtained percentage of success of 100%. This indicates that the system can work well in determining the condition of the room based on the input of the sensor.
Keywords: fire, sensor MQ-2, DHT11 sensor, flame sensor, arduino mega 2560, fuzzy sugeno
1. PENDAHULUAN
Kebakaran adalah suatu peristiwa yang lebih banyak disebabkan oleh human error. kerugian akibat bencana kebakaran antara lain harta benda, terhentinya usaha, bahkan korban jiwa (Setiani, 2015). Terdapat 3 jenis kelas
kebakaran yang dibedakan berdasarkan penyebabnya, yaitu kelas A yang disebabkan oleh benda-benda pada seperti kertas, kayu, karet, plastik, dsb. Kemudian ada yang kelas B yaitu kebakaran yang disebabkan oleh airan yang mudah terbakar seperti bensin, solar, minyak tanah, dan spiritus, yang terakhir adalah kelas C yang disebabkan oleh listrik (Sigana,
2017).
Untuk memperkecil jumlah korban jiwa yang disebabkan terjadinya bencana kebakaran tersebut diperlukan suatu sistem pendeteksi kebakaran sebagai peringatan dini jika terjadi indikasi akan terjadi kebakaran. Di dalam kebakaran terdapat 3 elemen yaitu bahan bakar, suhu/panas, dan oksigen yang kemudian akan membentuk api. 3 elemen tersebut disebut dengan segitiga api (fire triangle) (Antony, n.d.). Dengan teori fire triangle apabila salah satu unsur tidak terpenuhi maka api tidak akan terbentuk dan bencana kebakaran tidak akan terjadi. Untuk mengatasi masalah tersebut dilakukan penelitian lebih lanjut dengan menggunakan sensor flame, sensor DHT11 untuk mendeteksi suhu, dan sensor MQ-2 untuk mendeteksi asap dan metode fuzzy sugeno yang cocok untuk fungsi kontrol karena outputnya berupa konstanta dan linear. Fuzzy Logic (FL) adalah logika multivalued, yang memungkinkan nilai menengah harus didefinisikan antara evaluasi konvensional seperti benar / salah, ya / tidak, tinggi / rendah, dll.
Pada alat-alat pendeteksi kebakaran yang ada di pasar saat ini, menggunakan prinsip kerja yang hanya menggunakan 2 pendeteksi yaitu suhu dan asap. Ketika pendeteksi tersebut mendeteksi adanya kenaikkan suhu dan terdapat asap maka sistem pendeteksi tersebut akan bekerja sesuai prinsip kerjanya. Pada penelitian sebelumnya oleh Imam Nurromianto dengan judul “Rancangan Prototipe Pendeteksian Dini Lokasi Kebakaran Berbasis Wireless dengan
Fuzzy Logic dan Pemberitahuan Via SMS”
hanya menggunakan sensor asap dan suhu. Pada penelitian yang dilakukan oleh Helmy Widyantara dengan judul “Pendeteksian dan Pengamanan Dini Kebakaran Berbasis Personal Computer (PC) dengan Fuzzy Logic ” juga hanya menggunakan sensor asap dan suhu. Permasalahannya adalah api tidak dapat terdeteksi sehingga apabila terdapat kondisi asap dan suhu yang meningkat sesuai dengan perhitungan fuzzy dengan output kebakaran, maka kondisi ketika orang merokok dan sedang memasak yang menimbulkan suhu ruangan yang meningkat dan menimbulkan asap akan dianggap sebagai kebakaran.
Oleh karena itu, penulis membuat skripsi tentang sistem pendeteksi kebakaran berbasis
embedded sistem dengan metode fuzzy sugeno
dengan menggunakan 3 sensor yaitu sensor
DHT11, sensor MQ-2, dan sensor flame. Keunggulan dari penelitian yang akan dilakukan adalah sistem dapat mendeteksi 3 elemen yang ada di dalam kebakaran sesuai dengan teori fire
triangle yaitu dapat mendeteksi asap, suhu, dan
adanya api. Data dari sensor-sensor akan diolah oleh mikroprosessor kemudian akan dideteksi menggunakan metode logika fuzzy sugeno untuk menentukan outputnya. Hal ini menjadi alasan dilakukannya penelitian ini dengan menggunakan tambahan sensor flame dan logika
fuzzy sugeno untuk menentukkan outputnya
sehingga lebih akurat. Output yang digunakan pada penelitian yang akan dilakukan adalah dengan menggunakan LCD 16x4 dan Buzzer. LCD digunakan untuk memberikan teks kondisi ruangan yaitu tidak ada kebakaran, berasap, berapi asap sedikit, dan berapi asap banyak. Sedangkan buzzer digunakan untuk memberikan alarm sebagai peringatan tanda bahaya.
2. PERANCANGAN DAN
IMPLEMENTASI
Pada tahap perancangan terbagi menjadi dua bagian, yaitu perancangan hardware dan perancangan software.
Gambar 1. Alur Perancangan Sistem Berdasarkan pada alur perancangan pada Gambar 1, Perancangan perangkat keras meliputi, pembuatan skema rangkaian dan desain perancangan prototipe sistem, sedangkan pada perancangan perangkat lunak meliputi perancangan proses fuzzy. Perancangan perangkat keras pada sistem dapat dilihat pada Gambar 2.
Gambar 2. Perancangan Perangkat Keras Rancangan sistem terdiri dari beberapa blok yang ditunjukkan pada Gambar 3.2. Pada
sensor DHT11
sensor MQ-2
sensor flame BUZZER
LCD
FUZZY SUGENO ARDUINO MEGA 2560
blok diagram terdapat 3 sensor yaitu sensor suhu DHT11, sensor asap MQ-2, dan sensor flame. Mikrokontroller yang digunakan adalah Arduino Mega 2560 yang merupakan otak dari sistem yang berfungsi untuk mengendalikan semua kerja sistem. Arduino Uno akan menerima data dari sensor yang kemudian mengolah dan meyimpan input dari sensor tersebut. Input yang diterima dari sensor asap, suhu, dan flame akan diolah dengan menggunakan Fuzzy Sugeno untuk memberikan output. Pada bagian output terdiri atas LCD dan Buzzer.Skema perancangan dari perangkat keras dapat dilihat pada Gambar 3.
Gambar 3. Skema perancangan perangkat keras Skema perancangan perangkat keras secara keseluruhan dapat dlihat pada Gambar 3, Perangkat keras digunakan untuk membangun sistem yang mendukung mikrokontroller untuk menerapkan logika fuzzy sugeno sebagai pengambil keputusan output pada sistem pendeteksi kebakaran. Mikrokontroller yang digunakan sebagai otak proses data input adalah
Arduino Mega 2560. Input yang dipakai adalah
dengan mendeteksi suhu menggunakan sensor DHT11, mendeteksi asap menggunakan sensor MQ-2, dan mendeteksi api dengan menggunakan sensor flame.
Koneksi pin Gambar 3 diatas ditunjukan pada Tabel 1 berikut.
Tabel 1. Koneksi pin perancangan perangkat keras
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, pembuatan rule, inferensi, dan defuzzifikasi. Pada Gambar 4 menunjukkan bahwa sub-proses pada control fuzzy memiliki fungsi yang saling berhubungan dengan sub-proses yang lain sehingga sub-proses yang dihasilkan akan menjadi input dari sub-proses berikutnya sampai menjadi output akhir dari sistem. Flowchart perancangan kontrol fuzzy dapat dilihat pada Gambar 4.
Start Pembacaan sensor DHT11, sensor MQ-6, dan sensor Flame Fuzzifikasi Inferensi Defuzzifikasi Output LCD dan Buzzer Mengulangi pembacaan sensor End Y T
Gambar 4. Flowchart perancangan fuzzy Pada Gambar 4, sub-sistem fuzzifikasi akan memproses data input yang didapat ketika melakukan sensing. Data tersebut berupa nilai tegas atau crisp. Sub proses fuzzifikasi akan merubah nilai tegas yang ada kedalam fungsi keanggotaan atau derajat membership.
Sistem yang dibangun memiliki 3 jenis input berupa data kadar asap, data api, dan suhu di sekitar prototipe. Pada data kadar asap digolongkan menjadi 3 kriteria, yaitu Renggang, Sedang, Pekat. Setiap data input akan di cek nilai keanggotaan untuk menentukan golongan input. Perancangan himpunan fuzzy kadar gas dapat dilihat pada Gambar 5.
Gambar 5. Fungsi keanggotaan kadar asap Untuk data suhu digolongkan menjadi 4 kriteria yaitu Dingin, Sejuk, Hangat dan Panas.
Perancangan himpunan fuzzy suhu dapat dilihat pada Gambar 6 berikut
Gambar 6. Fungsi keanggotaan suhu Untuk data api digolongkan menjadi 4 kriteria yaitu Dekat dengan sensor, Agak dekat dengan sensor, Jauh dengan sensor, Tidak ada api. Perancangan himpunan fuzzy api dapat dilihat pada Gambar 7 berikut
Gambar 7. Fungsi keanggotaan api Setelah proses fuzzifikasi selesai dilanjutkan dengan proses inferensi. Inferensi adalah proses penggabungan banyak aturan berdasarkan data yang tersedia. Dari uraian di atas, telah terbentuk 11 himpunan fuzzy sebagai input, yaitu: renggang, sedang, pekat, suhu dingin, suhu sejuk, suhu hangat, dan suhu panas, dekat dengan sensor, agak dekat dengan sensor, jauh dengan sensor, dan tidak ada api. Ditambah dengan 4 himpunan kondisi sebagai output, yaitu : Tidak ada kebakaran, berasap, berapi asap sedikit, dan berapi asap banyak.
Pada aturan fuzzy ini akan memberikan aturan-aturan dalam fuzzy sistem yang akan dibuat dengan menggunakan perintah “IF” dan “AND” dan menghasikan perintah “THEN”. Aturan dasar fuzzy yang digunakan untuk menentukan kondisi kebakaran didalam ruangan dapat dilihat pada Tabel 2.
25 50 75
Kadar Asap (ppm)
0 1
Renggang Sedang Pekat
0,5
Dingin Sejuk Hangat Panas
10 20 30 40 1 0 60 100 300 350 600 800 1 0
Dekat dengan sensor Agak dekat Jauh dengan sensor
dengan sensor Tidak ada api
Tabel 2. Aturan yang terbentuk pada inferensi fuzzy
Berdasarkan 48 aturan fuzzy tersebut, akan ditentukan nilai α untuk masing-masing aturan. α adalah nilai keanggotaan anteseden dari setiap aturan. Berikut ini adalah langkah-langkah untuk untuk mengkonversi sembilan aturan fuzzy tersebut sehingga diperoleh nilai α dari setiap aturan. Aturan yang digunakan adalah aturan MIN pada fungsi implikasinya.
Setelah diketahui nilai α pada masing masing aturan, Menurut metode MIN-MAX selanjutnya tiap variabel kondisi akan mengevaluasi masing-masing rule yang terkait dengan kondisi tersebut untuk dicari nilai terbesarnya (MAX), seperti:
tidak ada kebakaran = max (rule0, rule1, rule2, rule3, rule4, rule5, rule6, rule8,
rule9,rule10, rule12, rule13, rule14, rule15, rule16, rule17,rule18, rule20, rule21, rule22, rule24, rule25, rule26, rule27, rule36, rule37, rule38 rule39)
berasap = max (rule7, rule11, rule19, rule23, rule31, rule35, rule43, rule47) berapi asap banyak = max(rule32, rule33,
rule34, rule44, rule45, rule46)
berapi asap sedikit = max(rule28, rule29, rule30, rule40, rule41, rule42)
Setelah nilai setiap variabel kondisi diketahui selanjutnya, nilai dari masing masing kondisi dibandingkan untuk mencari nilai terbesar. Hasil dari perbandingan ini yang nantinya menjadi output dari sistem.
Defuzzifikasi = max (tidak ada kebakaran, berasap, berapi asap sedikit, berapi asap banyak)
Setelah tahap perancangan selanjutnya tahap implementai. Implementasi dilakukan sesuai dengan perancangan yang sudah dilakukan sebelumnya. Implementasi pada perangkat keras dapat dilihat pada Gambar 8.
Gambar 8. Implementasi perangkat keras 3. PENGUJIAN
Terdapat 5 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 9.
Gambar 9. Pohon pengujian dan analisis Pada pengujian pertama, dilakukan pengujian akusisi data pada sensor modul MQ-2 dalam mendeteksi kadar asap dalam satuan ppm. Pembacaan asap tersebut dilakukan dengan cara membuat sumber asap yang berasal dari hasil pembakaran obat nyamuk bakar. Output dari pembacaan sensor dilihat melalui serial monitor pada Arduino IDE. Berdasarkan pengujian yang dilakukan, maka didapatkan hasil pembacaan sensor seperti pada Tabel 3 berikut.
Tabel 3. Hasil pengujian sensor modul MQ-2
Pada pengujian kedua, dilakukan pengujian akusisi data pada sensor DHT11. Tujuan dari pengujian ini adalah mengetahui sistem error dari sensor jika dibandingkan dengan alat termometer digital. Pembacaan suhu tersebut dilakukan dengan cara memberikan uap air hangat 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. Error rate pada sensor DHT11
Pada pengujian ketiga, dilakukan pengujian akuisisi data sensor flame. Tujuan dilakukannya pengujian akuisisi data dari sensor flame adalah untuk mengetahui nilai ADC yang dihasilkan oleh sensor ketika mendeteksi adanya infrared yan dihasilkan oleh api. Pengamatan dilakukan berdasarkan jarak antara sensor dengan api. Jarak yang dibuat penulis adalah sesuai dengan datasheet sensor flame dengan maksimal jarak 100cm. jarak 100cm dibagi menjadi 5 yaitu jarak 20, 40, 60, 80, 100, 120, 140, dan 160 cm. Berdasarkan pengujian yang dilakukan, maka didapatkan hasil pembacaan sensor flame seperti pada Tabel 5 berikut.
Pengujian dan Anali si s Akuisisi data sensor MQ-2 Akuisisi data sensor DHT11 Akuisisi data sensor flame Proses fuzzifikasi Waktu eksekusi sistem Pengujian dan Analisis
Tabel 5. Hasil pengujian sensor flame
Percobaan ke 4 adalah dilakukan pengujian fuzzy pada sistem dalam menentukan kondisi ruangan. Tujuan dari pengujian ini adalah untuk mengetahui apakah metode fuzzy yang diterapkan pada sistem sesuai dengan perancangan. Output dari sistem dilihat melalui serial monitor pada Arduino IDE. Berdasarkan pengujian yang dilakukan, maka didaptkan hasil pembacaan sensor seperti pada Tabel 6 berikut.
Tabel 6. Hasil pengujian proses fuzzy
Berdasarkan pengujian tersebut, dapat dianalisis bahwa rumus fuzzy yang digunakan untuk menentukan kondisi kebakaran pada sistem benar dan tepat. Hal ini dapat dilihat dari 10 percobaan dengan input yang berbeda pada tabel memberikan output sistem yang sesuai dengan perancangan. Hal tersebut ditunjukan pada analisi hasil pengujian di Tabel 7.
Tabel 7. Analisis tingkat keakuratan fuzzy
Nilai fuzzy sesuai 10
Nilai fuzzy tidak sesuai 0 Tingkat keakuratan
perhitungan
100 %
Pengujian ke 5 adalah pengujian waktu eksekusi sistem. Pengujian waktu eksekusi sistem bertujuan untuk mengetahui kecepatan sistem dalam mengeksekusi input menjadi
output sesuai dengan perhitungan fuzzy. Untuk
melakukan perhitungan waktu eksekusi sistem, maka penulis memanfaatkan fungsi timer yang telah disediakan oleh Arduino IDE yaitu fungsi
millis(). Fungsi millis() digunakan untuk
menghitung waktu eksekusi dalam satuan
millisecond. Fungsi ini diletakkan pada awal dan
akhir program. Berdasarkan pengujian yang dilakukan, maka didapatkan hasil seperti pada Tabel 8 berikut.
Tabel 8. Hasil pengujian waktu eksekusi sistem
Pada Tabel 8 menunjukkan bahwa waktu eksekusi setiap output berbeda. Hal ini disebabkan oleh komputasi fuzzy yang diterapkan berdasarkan input. Hal ini bisa dilihat pada Kondisi tidak ada kebakaran memiliki waktu eksekusi yang lebih cepat sedangkan untuk output berasap, berapi asap sedikit, dan berapi asap banyak memiliki waktu eksekusi yang hampir sama yaitu 417 ms.
4. KESIMPULAN
Kesimpulan yang didapat berdasarkan pengujian dan analisa yang telah dilakukan adalah proses perancangan sistem pendeteksi kebakaran dengan mikrokontroller adalah dengan menyambungkan sensor MQ-2, sensor DHT11, dan sensor flame menjadi sebuah sistem yang saling terhubung. Implementasi logika fuzzy sugeno pada sistem pendeteksi kebakaran berbasis embedded system meliputi 3 proses yaitu proses fuzzifikasi, proses inferensi, dan
proses defuzzifikasi. Pengujian terhadap logika fuzzy dilakukan perbandingan antara perhitungan manual dengan perhitungan dari sistem. Hasil perhitungan tersebut menunjukkan hasil yang sama, baik perhitungan secara manual maupun perhitungan dari sistem. Hal ini menunjukkan bahwa hasil dari pengujian metode fuzzy pada sistem sesuai dengan perancangan yang telah dibuat.
Berdasarkan pembuatan dan hasil pengujian pada Implementasi Metode Fuzzy Sugeno Pada Embedded System Untuk Mendeteksi Kondisi Kebakaran Dalam Ruangan, dapat diberikan saran-saran untuk pengembangan penelitian selanjutnya yaitu Menggunakan sensor asap dan api yang memiliki sensitivitas yang tinggi dan sistem dapat diklasifikasikan berdasarkan kandungan asap sehingga dapat dibedakan antara asap kendaraan bermotor, asap rokok, dan asap hasil dari kebakaran.
5. DAFTAR PUSTAKA
Akhmalia, R., 2017. integrasi timing-sync
protocol for sensor network dengan time division multiple access pada protokol MQTT-SN, malang: s.n.
Antony, M., n.d. Teori Api, jakarta: pusdiklat khusus pelaut pertamina.
Arduino, n.d. Arduino Uno Board. [Online]
Available at:
http://arduino.cc/en/Main/arduinoBoard Uno
[Accessed 10 9 2016].
Banzi, M., 2008. Getting Started with Arduino. Inggris: O'Reilly.
darlis, a. r., 2016. wireless sensor network prototype sebagai fire detector menggunakan arduino uno. Volume I, p. 6.
Detik, 2017. News.detik.com. [Online]
Available at: https://news.detik.com/berita/d- 3482746/kebakaran-toko-mebel-di-bali- sisakan-kerugian-hingga-rp-2-miliar?_ga=1.102798144.1191572675. 1493080476 [Accessed 25 April 2017].
Hargiyarto, D. P., 2003. Pencegahan dan
Pemadaman Kebakaran, Yogyakarta:
Fakultas Teknik Universitas Negeri Yogyakarta.
Hellmann, M., n.d. Fuzzy Logic Introduction. p. 1.
Jang, J. S. R. e. a., 1997. Neoro-Fuzzy and Soft
Computing. London: Prentice Hall.
Kusumadewi, S., 2003. Artificial Intelligence
(Teknik dan Aplikasi). Yogyakarta:
Graha Ilmu.
Kusumadewi, S. & Hartati, S., 2006. Neuro
Fuzzy-Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha
Ilmu.
Kusumadewi, S. & Purnomo, H., 2004. Aplikasi
Logika Fuzzy untuk Sistem Pendukung Keputusan Edisi Pertama. Yogyakarta:
Graha Ilmu.
Kusumadewi, S. & Purnomo, H., 2010. Aplikasi
Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.
Lin, C. T. & Lee, G. G., 1996. Neural Fuzzy
Systems. London: Prentice Hall.
Miza, 2016. Cara desain rumah. [Online]
Available at:
http://www.caradesainrumah.com/2016
/06/berapa-ukuran-dapur-yang-ideal.html?m=1
[Accessed 25 april 2017].
Naba, A., 2009. Belajar Cepat Fuzzy Logic
Menggunakan Matlab. Yogyakarta:
Graha Ilmu.
Nebath, E., 2014. Rancang Bangun Alat Pengukur Gas Berbahaya CO Dan CO2 di Lingkungan Industri. E-Journal
Teknik Elektro dan Komputer, pp.
2301-8402 .
nurromianto, i., 2015. rancangan prototipe
pendeteksian dini lokasi kebakaran berbasis wireless dengan fuzzy logic dan pemberitahuan via sms, jember: digital
repository universitas negeri jember. Rahman, N. V., 2004. Kebakaran, Bahaya
Unpredictable, upaya dan kendala penanggungannya. Volume 1, p. 8. Setiani, Y., 2015. Pengendalian Bahaya
Kebakaran Melalui Optimalisasi Tata Kelola Lahan Kawasan Perumahan di Wilayah Perkotaan. p. 1.
Sigana, T., 2017. Pandan Bencana Kebakaran
Rumah. [Online]
Available at:
http://sigana.web.id/index.php/panduan -bencana/kebakaran-rumah.html
Sudradjat, 2008. fuzzy logic. In: Dasar-dasar
fuzzy logic. bandung: Sudradjat, pp.
