Perancangan Sistem Deteksi Pelanggaran Penggunaan Helm Dengan Metode Deep Learning Menggunakan Yolov5 Ultralytic

Abstract

Penegakan aturan terkait penggunaan helm pada sepeda motor di lingkungan kampus menjadi upaya yang dilakukan untuk mengurangi dampak kecelakaan yang fatal, namun nyatanya masih banyak pengendara yang tidak sadar dan tidak taat akan hal ini. Pihak keamanan kampus yang terbatas dibanding dengan pelanggaran yang banyak terjadi telah menjadi keluhan dalam usaha menciptakan lingkungan kampus yaang aman. Meningkatnya teknologi machine learning yang semakin berkembang dan mudah diakses dapat diterapkan menjadi sistem deteksi pelanggaran dalam upaya membantu pihak keamanan dalam memonitoring keamanan berkendara. Sistem deteksi pelanggaran penggunaan helm dirancang menggunakan YOLOv5 Ultralytic dengan memanfaatkan metode deep learning yang didasari dengan algoritma convolutional neural network. YOLOv5 memberikan model dengan penekanan pada kecepatan inferensi yang baik, sehingga memungkinkan penggunaan dalam aplikasi real-time. Model akhir hasil training menggunakan yolov5 memiliki mean average precision (mAP) rata-rata sebesar 0,938 yang mengindikasikan model dapat melakukan deteksi objek dengan akurat dan konsisten. Model deteksi selanjutnya diintegrasikan menjadi sistem deteksi yang tersambung dengan database. Sistem deteksi ini akan menangkap dan mengirimkan gambar pelanggaran ke database. Hasil pengujian akhir sistem deteksi dengan melakukan evaluasi confusion matrix yang didapat menunjukkan akurasi sistem sebesar 98,5%. Gambar tersebut nantinya akan dimonitoring pada aplikasi android untuk membantu pihak keamanan dalam mengambil kebijakan yang tepat.