Penelitian ini mengembangkan sistem deteksi api berbasis computer vision menggunakan algoritma Single Shot Multibox
Detector (SSD) untuk mengatasi keterbatasan sistem deteksi api konvensional yang umumnya kurang responsif dan
kurang akurat dalam kondisi pencahayaan dan jarak yang bervariasi. Sistem ini menerapkan model SSD MobileNetV2
yang telah dilatih menggunakan dataset gambar api yang di-augmentasi, memungkinkan deteksi yang andal dalam
berbagai skenario. Hasil penelitian menunjukkan bahwa penggunaan kombinasi aturan RGB dan YCbCr secara signifikan
meningkatkan akurasi deteksi, khususnya dalam mengurangi tingkat false positive yang sering terjadi pada metode
sebelumnya. Selain itu, sistem ini meningkatkan efisiensi waktu deteksi dengan rasio deteksi api terhadap frame yang
lebih optimal, sehingga dapat memberikan respons real-time yang cepat. Dengan tingkat akurasi yang tinggi dan
kemampuan deteksi real-time, sistem ini efektif untuk aplikasi praktis seperti pemantauan kebakaran di area industri dan
publik, memberikan perlindungan tambahan, serta mendukung tindakan preventif yang lebih cepat dalam menghadapi
potensi kebakaran.