Penelitian ini mengembangkan sistem peringatan dini kebocoran gas berbasis Internet of Things (IoT) dengan algoritma Deep Neural Network (DNN). Sistem ini dirancang menggunakan mikrokontroler ESP32, sensor MQ-2 untuk deteksi gas, dan DHT22 untuk pemantauan suhu serta kelembapan. Data yang dikumpulkan oleh sensor diproses melalui DNN untuk mendeteksi kebocoran gas secara akurat. Model DNN dilatih menggunakan dataset yang mencakup parameter seperti suhu, kelembapan, konsentrasi gas hidrogen, dan etanol. Teknik normalisasi data Min-Max Scaler serta Synthetic Minority Over-sampling (SMOTE) digunakan untuk meningkatkan performa model.
Hasil penelitian menunjukkan akurasi model sebesar 98% dengan f1-score 0.98, mengindikasikan kemampuan sistem dalam mendeteksi kebocoran gas secara efisien. Data prediksi kemudian dikirim ke platform Ubidots secara real-time, memungkinkan monitoring jarak jauh. Sistem ini berpotensi untuk diimplementasikan dalam lingkungan rumah tangga maupun industri guna meningkatkan keselamatan terhadap bahaya kebakaran dan keracunan gas.