MétaCan
Menu
Retour à la cohorte
Enregistrement W4310191259 · doi:10.30587/e-link.v17i2.4550

PERANCANGAN USER INTERFACE MONITORING DATA SENSOR UNTUK MENENTUKAN NILAI FINE FUEL MOISTURE CODE SEBAGAI PERINGATAN DINI POTENSI KEBAKARAN HUTAN

2022· article· id· W4310191259 sur OpenAlexaboutno aff
Achmad Komarudin, Arief Hidayat, Dinda Ayu Permatasari

Notice bibliographique

RevueE-Link Jurnal Teknik Elektro dan Informatika · 2022
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhysicsForestryOperating systemEnvironmental scienceComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

Perancangan sistem monitoring dan informasi data sensor sebagai peringatan dini potensi kebakaran penting dalam usaha untuk mengurangi dampak dari kebakaran hutan. Dampak dari kebakaran hutan akan menimbulkan kerugian pada lingkungan dan kerugian ekonomi. Agar dapat mengurangi dampak tersebut maka diperlukan usaha untuk mencegah kebakaran hutan dengan memperhitungkan peringkat kebakaran suatu wilayah. Peringkat kebakaran suatu wilayah dapat ditentukan dengan menggunakan Canadian Forest Fire Danger Rating System (CFFDRS). Sistem tersebut berguna untuk memberikan informasi terkait bahaya kebakaran berdasarkan pengamatan suhu harian, kelembaban udara, kecepatan angin dan curah hujan. Tingkat potensi kebakaran dengan menggunakan CFFDRS dapat diketahui dari nilai Fire Weather Index (FWI). Perhitungan nilai FWI dapat ditentukan dengan beberapa parameter antara lain yaitu Fine Fuel Moisture Code (FFMC), Duff Moisture Code (DMC) dan Drought Code (DC). Salah satu kode sub sistem perhitungan nilai FWI adalah FFMC. FFMC merupakan faktor utama yang mengendalikan perilaku kebakaran hutan. FFMC adalah kode yang digunakan untuk indikator potensi penyulutan api menjadi kebakaran. Nilai FFMC dapat ditentukan dengan menggunakan informasi data hasil pengukuran dari kecepatan angin, suhu udara, kelembaban udara dan curah hujan. Agar lebih mudah dalam memperoleh data pengukuran kecepatan angin, suhu udara, kelembaban udara dan curah hujan, maka sistem ini dibuat dengan tujuan untuk merancang sistem monitoring data sensor untuk memperhitungkan nilai FFMC sebagai salah satu indikator peringatan dini potensi penyulutan api yang menyebabkan kebakaran hutan. Hasil pengujian menunjukkan bahwa sistem monitoring yang telah dibuat sudah dapat bekerja. Presentasi perhitungan error pengukuran suhu sebesar ± 1,81%, presentasi perhitungan error pengukuran kelembaban sebesar ± 1,37% dan presentasi perhitungan error pengukuran kecepatan angin sebesar ± 2,85%, serta presentasi perhitungan error pengukuran sensor rain gauge sebesar ±2,8%. Pengujian secara keseleruhan menunjukkan bahwa sistem dapat menghitung nilai FFMC yang sesuai dan dapat menampilkan data dan skala yang sesuai dengan kriteria yang telah ditetapkan.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,743
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0010,004
Science ouverte0,0050,006
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,248
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE-Link Jurnal Teknik Elektro dan InformatikaMême sujetFire effects on ecosystemsTravaux en français237 207