Sistem deteksi pengguna helm pada pengendara sepeda motor menggunakan metode Yolov8 dan OCR terintegrasi dengan Google Sheets

Kurniawan, Indra (2025) Sistem deteksi pengguna helm pada pengendara sepeda motor menggunakan metode Yolov8 dan OCR terintegrasi dengan Google Sheets. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_Cover.pdf Download (157kB) | Preview
Preview	Text (ABSTRAK) 2_Abstrak.pdf Download (237kB) | Preview
Preview	Text (DAFTAR ISI) 4_Daftar Isi.pdf Download (271kB) | Preview
	Text (BAB I) 5_BAB I.pdf Restricted to Registered users only Download (386kB) | Request a copy
	Text (BAB II) 6_BAB II.pdf Restricted to Registered users only Download (462kB) | Request a copy
	Text (BAB III) 7_BAB III.pdf Restricted to Registered users only Download (280kB) | Request a copy
	Text (BAB IV) 8_BAB IV.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 9_BAB V.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB VI) 10_BAB VI.pdf Restricted to Registered users only Download (230kB) | Request a copy
	Text (DAFTAR PUSTAKA) 11_Daftar Pustaka.pdf Restricted to Registered users only Download (199kB) | Request a copy
	Text (LAMPIRAN) 12_Lampiran.pdf Restricted to Repository staff only Download (401kB) | Request a copy

Abstract

Keselamatan pengendara sepeda motor merupakan aspek penting dalam menekan angka kecelakaan lalu lintas, dan salah satu faktor krusial adalah kepatuhan penggunaan helm sebagai pelindung kepala. Pelanggaran berupa tidak digunakannya helm masih sering dijumpai meskipun penggunaannya telah diwajibkan dalam aturan keselamatan berkendara, sehingga deteksi penggunaan helm menjadi sangat penting untuk mendukung keselamatan sekaligus efektivitas pemantauan lalu lintas. Penelitian ini mengembangkan sistem deteksi otomatis penggunaan helm berbasis computer vision dengan algoritma YOLOv8 untuk mendeteksi objek helm dan OCR (Optical Character Recognition) untuk membaca teks pelat nomor kendaraan. Dataset diperoleh dari rekaman video nyata, kemudian dilakukan anotasi, pra-pemrosesan, dan pelatihan model sehingga sistem mampu mendeteksi pengendara dengan maupun tanpa helm serta mengenali pelat nomor secara akurat. Hasil pengujian menunjukkan akurasi deteksi berada pada rentang 75% hingga 89% dengan nilai mean Average Precision (mAP) mencapai 85%, yang menunjukkan bahwa model memiliki performa yang cukup stabil di berbagai kondisi pencahayaan. Sistem dilengkapi dengan mekanisme otomatis untuk menyimpan hasil deteksi berupa citra teranotasi ke dalam google drive, serta mencatat metadata hasil deteksi berupa waktu, lokasi, hasil deteksi, akurasi dan tautan gambar ke dalam google spreadsheet. Integrasi ini menunjukkan bahwa sistem mendukung otomasi pengarsipan data dan dokumentasi hasil deteksi secara realtime, sehingga mempermudah proses pelacakan dan verifikasi hasil.

Actions (login required)

View Item