IMPLEMENTASI METODE YOU ONLY LOOK ONCE (YOLOv5) DALAM DETEKSI PELANGGARAN HELM

Abstract

Pelanggaran pada lalu lintas yang di sebabkan oleh pengendara roda dua yang sering di tindak pada saat melakukan operasi patuh pada tahun 2023 mencatat, terdapat tiga pelanggaran terbanyak yang dilakukan oleh kendaraan roda dua. Paling banyak adalah pelanggaran tidak menggunakan helm yaitu sebanyak 8.916 pelanggaran (Made et al., 2020). Tujuan penelitian ini adalah menghasilkan sistem deteksi kendaraan berdasarkan kelasnya melalui analisis video berbasis algoritma YOLOv5. Metode yang disajikan dalam penelitian ini berfokus pada optimasi dan implementasi algoritma YOLOv5 untuk mendeteksi objek berupa helm pada pengendara roda dua pada saat berkendara, menggunakan dataset berisi 2000 gambar, dengan 1200 gambar untuk pelatihan dan 800 gambar untuk pengujian. Pelatihan dilakukan hingga mencapai langkah 200 epoch dengan batch 48 dengan ukuran gambar 448. Hasil penelitian dan uji coba berdasarkan eksperimen yang penulis lakukan, penulis berhasil mencapai nilai F1 Score sebesar 0.87 dan nilai mAP 0.90 menggunakan algoritma YOLOv5 dengan arsitektur YOLOv5m. Adanya beberapa faktor yang memengaruhi hasil deteksi adalah latar belakang objek pada gambar, posisi objek, terdapat objek penghalang pada sudut tertentu, serta tinggi/jarak objek.