Publisher

UMIUMI

Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi AkuntansiMETHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Abstract

Sampai saat ini masalah pencurian seperti sepeda motor, hewan ternak di Sumatera Utara masih cukup tinggi. Untuk lokasi pencurian sepeda motor dapat terjadi di banyak lokasi antara lain perumahan, sekolah, perparkiran, kantor dan masih banyak tempat lainnya sedangkan untuk hewan ternak dapat terjadi lahan padang rumput dan di kandang pada siang maupun malam hari dengan pelakunya adalah laki-laki. Untuk mensukseskan aksi pencurian ini berbagai modus diterapkan dengan bervariasi posisi manusia dari mulai duduk, jongkok hingga berdiri. Untuk menyelesaikan persoalan tersebut di atas banyak metode deteksi objek telah dikembangkan seperti Background Subtraction, Template Matching, Histogram Oriented Gradient dan Viola Jone (VJ). Dari banyak metode yang telah dikerjakan masih ada kekurangan yaitu pada waktu, akurasi dan berbagai posisi manusia. Untuk itu dilakukan penelitian yang tujuan memperbaiki waktu dan tingkat akurasi dalam mendeteksi objek manusia menggunakan metode YOLO. Dari uji coba yang dilakukan diketahui YOLO dapat mendeteksi manusia pada berbagai posisi dengan nilai mAP sebesar 0,99 dan rata-rata waktu deteksi 810,01 ms.

Conclusion

Selama penelitian dilakukan, beberapa pengujian menunjukkan bahwa deep learning YOLO mampu mendeteksi objek manusia dan membentuk bounding box dengan nilai mAP sebesar 0,99.Waktu deteksi rata-rata yang dicapai adalah 810,01 ms.Hasil ini menunjukkan peningkatan akurasi dan kecepatan dibanding metode sebelumnya dalam mendeteksi manusia pada berbagai posisi.

Future Research

Pertama, perlu dilakukan penelitian untuk menguji kinerja metode YOLO dalam kondisi lingkungan yang lebih bervariasi seperti pencahayaan rendah, hujan, atau kabut, karena dalam penelitian ini belum dijelaskan bagaimana sistem bekerja di luar kondisi ideal. Kedua, perlu dikaji penerapan YOLO pada perangkat dengan sumber daya terbatas seperti kamera CCTV hemat energi atau ponsel, untuk mengetahui efisiensi dan skalabilitas sistem dalam penerapan nyata. Ketiga, perlu dikembangkan integrasi YOLO dengan sistem peringatan dini otomatis yang dapat langsung mengirim notifikasi ke pemilik atau aparat ketika manusia terdeteksi di area terlarang, sehingga meningkatkan respons terhadap potensi pencurian secara real-time.

References

1. Implementasi Metode Yolo pada Deteksi Objek Manusia | METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi... ejurnal.methodist.ac.id/index.php/methomika/article/view/3139Implementasi Metode Yolo pada Deteksi Objek Manusia METHOMIKA Jurnal Manajemen Informatika Komputerisasi ejurnal methodist ac index php methomika article view 3139
2. YOLO9000: Better, Faster, Stronger | IEEE Conference Publication | IEEE Xplore. yolo9000 better faster... ieeexplore.ieee.org/document/8100173YOLO9000 Better Faster Stronger IEEE Conference Publication IEEE Xplore yolo9000 better faster ieeexplore ieee document 8100173

Metadata

File size	537.88 KB
Pages	7
DMCA	Report