Text
Deteksi Penggunaan Sabuk Keselamatan Pada Kendaraan Roda Empat Menggunakan Arsitektur YOLOv7
Keselamatan dalam berkendara merupakan hal paling utama yang harus dijaga oleh
setiap pengendara. Mengenakan sabuk keselamatan ketika berkendara telah terbukti
dapat mengurangi resiko terjadinya cedera fatal ketika terjadi kecelakaan.
Penelitian ini mencoba untuk mengimplementasikan model deteksi objek YOLOv7
pada citra pantauan lalu lintas untuk mendeteksi penggunaan sabuk keselamatan
pada kendaraaan roda empat secara otomatis. Tahap pertama penelitian meliputi
penyusunan dataset, yang terdiri dari akuisisi citra, anotasi citra, serta pembagian
dataset latih sebanyak 2137 citra, dataset validasi sebanyak 913 citra, serta dataset
uji sebanyak 726 citra kondisi siang hari dan sebanyak 387 citra kondisi malam
hari. Kemudian dilanjutkan dengan proses pelatihan dan pengujian model. Model
dilatih untuk dapat mengenali empat kelas objek, yaitu car, windshield, passenger,
dan seatbelt. Pengujian dilakukan menggunakan dua dataset uji, yaitu pada kondisi
siang dan malam hari. Model dievaluasi menggunakan metrik akurasi berupa F1-
score dan mAP50. Pengujian model pada siang hari menghasilkan nilai F1-score
sebesar 95,37% pada ambang batas tingkat kepercayaan 15,32% serta nilai mAP50
sebesar 97,46%. Sedangkan pada kondisi malam hari dihasilkan nilai F1-score
sebesar 88,60% pada ambang batas tingkat kepercayaan 14,41%, serta nilai mAP50
sebesar 91,64%. Hasil pengujian peforma model pada kondisi pencahayaan yang
berbeda memberikan gambaran mengenai efektivitas serta keterbatasan model dan
diharapkan dapat dikembangkan pada penelitian-penelitian selanjutnya.
Kata kunci: citra, pantauan lalu lintas, sabuk keselamatan, deteksi objek, You Only
Look Once (YOLO)
1802D2023 | 1802 D 2023 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain