EVALUASI PERFORMA YOLOV8 DAN YOLOV7 DALAM SISTEM DETEKSI HELM PENGENDARA SEPEDA MOTOR

Azwar, Muhamad Aldhaffy (2026) EVALUASI PERFORMA YOLOV8 DAN YOLOV7 DALAM SISTEM DETEKSI HELM PENGENDARA SEPEDA MOTOR. Diploma thesis, Universitas Nasional.

	Text COVER.pdf Download (634kB)
	Text BAB I.pdf Download (449kB)
	Text BAB II.pdf Download (558kB)
	Text BAB III.pdf Download (532kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (370kB)
	Text LAMPIRAN.pdf Download (519kB)

Abstract

Kecelakaan sepeda motor masih menjadi salah satu penyumbang terbesar angka
fatalitas di jalan raya, dan ironisnya, banyak dari kejadian fatal ini diperparah oleh
ketidakpatuhan pengendara dalam menggunakan helm. Pengawasan manual oleh
petugas di lapangan sering kali tidak cukup untuk memantau pelanggaran yang
terjadi setiap saat. Berangkat dari permasalahan nyata ini, penelitian ini mencoba
memanfaatkan teknologi kecerdasan buatan, khususnya algoritma YOLO (You Only
Look Once), untuk membangun sebuah sistem pengawasan otomatis yang lebih
efektif. Tujuan utamanya adalah merancang dan mengimplementasikan sistem yang
mampu mendeteksi penggunaan helm secara real-time dengan membandingkan
kinerja dua model, yaitu YOLOv7-tiny dan YOLOv8s.
Untuk melatih model agar "pintar" mengenali helm di berbagai kondisi, penelitian
ini menggabungkan data dari beberapa sumber: dataset publik SHWD yang padat,
dataset dari Roboflow, serta data kustom yang diambil langsung di jalanan Jakarta
untuk menangkap konteks lokal. Setelah melalui proses pelatihan dan pengujian
yang intensif, hasilnya cukup menarik. YOLOv8s terbukti lebih unggul dalam hal
ketepatan dan stabilitas deteksi, terutama saat menghadapi objek yang kecil atau
agak terhalang. Di sisi lain, YOLOv7-tiny menawarkan kecepatan pemrosesan yang
sedikit lebih tinggi, meskipun kadang kurang presisi. Secara keseluruhan, sistem
yang berhasil dibangun ini membuktikan bahwa teknologi deteksi otomatis dapat
berjalan dengan baik bahkan pada perangkat laptop biasa, membuka peluang besar
untuk penerapannya dalam mendukung sistem keselamatan lalu lintas yang lebih cerdas di Indonesia.

Item Type:	Thesis (Diploma)
Subjects:	H Social Sciences > HE Transportation and Communications Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Irna Irna Yunita
Date Deposited:	08 May 2026 07:08
Last Modified:	08 May 2026 07:08
URI:	https://repository.unas.ac.id/id/eprint/15831

Actions (login required)

View Item