Rancang bangun sistem deteksi pencurian di minimarket menggunakan algoritma YOLOV8 dan DETR

Fauzi, Muhammad Reynaldi (2025) Rancang bangun sistem deteksi pencurian di minimarket menggunakan algoritma YOLOV8 dan DETR. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1 COVER.pdf Download (200kB) | Preview
Preview	Text 2 ABSTRAK.pdf Download (237kB) | Preview
Preview	Text Surat pernyataan karya asli.pdf Download (684kB) | Preview
Preview	Text 3 DAFTAR ISI.pdf Download (269kB) | Preview
Preview	Text 4 BAB 1.pdf Download (253kB) | Preview
	Text 5 BAB 2.pdf Restricted to Registered users only Download (554kB) | Request a copy
	Text 6 BAB 3.pdf Restricted to Registered users only Download (338kB) | Request a copy
	Text 7 BAB 4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text 8 BAB 5.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text 9 BAB 6.pdf Restricted to Registered users only Download (213kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (201kB) | Request a copy
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (995kB) | Request a copy

Abstract

Pencurian barang di minimarket merupakan permasalahan yang sering terjadi dan menimbulkan kerugian signifikan bagi pemilik maupun pegawai. Sistem CCTV konvensional hanya merekam kejadian tanpa kemampuan mengenali aksi mencurigakan secara otomatis. Penelitian ini bertujuan merancang sistem deteksi pencurian berbasis visi komputer menggunakan algoritma YOLOv8 dan DETR. Metodologi yang digunakan meliputi studi literatur, pengumpulan dan anotasi dataset, pelatihan model deteksi, integrasi sistem dengan Arduino Uno dan buzzer, serta bot Telegram dan MySQL. Proses kerja sistem diawali dengan pengambilan citra atau video melalui kamera, dilanjutkan dengan deteksi objek dan analisis perilaku pelanggan. Deteksi dilakukan berdasarkan parameter pencurian, meliputi gerakan tangan mengambil barang dari rak, menyembunyikan barang ke saku, tas, atau pakaian, perubahan posisi tubuh untuk menutupi barang. Pola tersebut dianalisis melalui posisi tangan, pergerakan tubuh, dan interaksi terhadap rak barang. Hasil deteksi memicu penyimpanan data ke database MySQL, pengiriman notifikasi berisi foto dan waktu kejadian melalui bot Telegram, serta pengaktifan buzzer oleh Arduino Uno sebagai alarm. Pengujian menunjukkan sistem mampu mendeteksi aksi pencurian dengan rata-rata akurasi 90,9% pada YOLOv8 dan 79,4% pada DETR, serta memberikan peringatan secara real-time. Sistem ini diharapkan dapat membantu meminimalkan kerugian dan meningkatkan keamanan minimarket.

Actions (login required)

View Item