Implementasi Metode Fuzzy Sugeno Pada Embedded System Untuk Mendeteksi Kondisi Kebakaran Dalam Ruangan

Transkripsi

1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Vol. 2, No. 4, April 2018, hlm Implementasi Metode Fuzzy Sugeno Pada Embedded System Untuk Mendeteksi Kondisi Kebakaran Dalam Ruangan Rezak Andri Purnomo 1, Dahnial Syauqy 2, Mochammad Hannats Hanafi 3 Program Studi Teknik Informatika, 1 reza140595@gmail.com, 2 dahnial87@ub.ac.id, 3 hanas.hanafi@ub.ac.id 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 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 ± 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, Fakultas Ilmu Komputer Universitas Brawijaya 1428

2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer ). 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. sensor DHT11 sensor MQ-2 sensor flame ARDUINO MEGA 2560 FUZZY SUGENO BUZZER Gambar 2. Perancangan Perangkat Keras Rancangan sistem terdiri dari beberapa blok yang ditunjukkan pada Gambar 3.2. Pada LCD

3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1430 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. Tabel 1. Koneksi pin perancangan perangkat keras 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 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. 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.

4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1431 Start Perancangan himpunan fuzzy suhu dapat dilihat pada Gambar 6 berikut 1 Dingin Sejuk Hangat Panas Pembacaan sensor DHT11, sensor MQ- 6, dan sensor Flame Fuzzifikasi Inferensi Gambar 6. Fungsi keanggotaan suhu Defuzzifikasi Output LCD dan Buzzer 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 1 Dekat dengan sensor Agak dekat dengan sensor Jauh dengan sensor Tidak ada api Mengulangi pembacaan sensor Y T End 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 0 Renggang Sedang Pekat Kadar Asap (ppm) Gambar 5. Fungsi keanggotaan kadar asap 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. Untuk data suhu digolongkan menjadi 4 kriteria yaitu Dingin, Sejuk, Hangat dan Panas.

5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1432 Tabel 2. Aturan yang terbentuk pada inferensi fuzzy 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. 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, 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.

6 P e n g u j i a n d a n A n a l i s i s Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1433 Akuisisi data sensor MQ-2 Akuisisi data sensor DHT11 Pengujian dan Analisis Akuisisi data sensor flame Proses fuzzifikasi Waktu eksekusi sistem 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.

7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1434 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 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 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. 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

8 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 1435 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., 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: Uno [Accessed ]. Banzi, M., Getting Started with Arduino. Inggris: O'Reilly. darlis, a. r., wireless sensor network prototype sebagai fire detector menggunakan arduino uno. Volume I, p. 6. Detik, News.detik.com. [Online] Available at: /kebakaran-toko-mebel-di-bali- sisakan-kerugian-hingga-rp-2- miliar?_ga= [Accessed 25 April 2017]. Hargiyarto, D. P., 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., Neoro-Fuzzy and Soft Computing. London: Prentice Hall. Kusumadewi, S., Artificial Intelligence (Teknik dan Aplikasi). Yogyakarta: Graha Ilmu. Kusumadewi, S. & Hartati, S., Neuro Fuzzy-Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha Ilmu. Kusumadewi, S. & Purnomo, H., Aplikasi Logika Fuzzy untuk Sistem Pendukung Keputusan Edisi Pertama. Yogyakarta: Graha Ilmu. Kusumadewi, S. & Purnomo, H., Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. Lin, C. T. & Lee, G. G., Neural Fuzzy Systems. London: Prentice Hall. Miza, Cara desain rumah. [Online] Available at: /06/berapa-ukuran-dapur-yangideal.html?m=1 [Accessed 25 april 2017]. Naba, A., Belajar Cepat Fuzzy Logic Menggunakan Matlab. Yogyakarta: Graha Ilmu. Nebath, E., Rancang Bangun Alat Pengukur Gas Berbahaya CO Dan CO2 di Lingkungan Industri. E-Journal Teknik Elektro dan Komputer, pp nurromianto, i., rancangan prototipe pendeteksian dini lokasi kebakaran berbasis wireless dengan fuzzy logic dan pemberitahuan via sms, jember: digital repository universitas negeri jember. Rahman, N. V., Kebakaran, Bahaya Unpredictable, upaya dan kendala penanggungannya. Volume 1, p. 8. Setiani, Y., Pengendalian Bahaya Kebakaran Melalui Optimalisasi Tata Kelola Lahan Kawasan Perumahan di Wilayah Perkotaan. p. 1. Sigana, T., Pandan Bencana Kebakaran Rumah. [Online] Available at: -bencana/kebakaran-rumah.html Sudradjat, fuzzy logic. In: Dasar-dasar fuzzy logic. bandung: Sudradjat, pp