Pengembangan Aplikasi Deteksi Objek Rokok Dan Kegiatan Merokok Menggunakan Algoritma YOLOv3

  • Muhammad Ikhsan Gojali Institut Teknologi dan Bisnis Kalbis
  • Edwin Lesmana Tjiong Institute teknologi dan bisnis kalbis
DOI: https://doi.org/10.53008/kalbiscientia.v10i02.3108
Kata Kunci: deep learning, YOLOv3, mAP, averange loss, split test, rokok, kegiatan merokok

Abstrak

Penelitian ini bertujuan untuk membuat aplikasi yang dapat membatu melakukan pengawasa kegiatan merokok menggunakan algoritma deep learning yaitu YOLOv3. Menggunakan 2 metode untuk pengembangan yaitu metode software development life cycle inkremental dan metode pengujian black box. Dataset yang digunakan merupaka data gambar yang dikumpulkan dari situs internet dan rekaman kamera yang menggambarkan objek rokok dan kegiatan merokok. Dataset dilatih dan diuji menggunakan penerapan split test dengan memisahkan data menjadi dua dataset, untuk jumlah pemisahan 85% untuk uji dan 15% untuk latih. Model menghasilkan tingkat akurasi mAP sebesar 69,54% dan averange loss sebesar 0,189, dengan tingkat persentasi deteksi rokok sebesar 60% sampai 71% dan 40% sampai 90% untuk kegiatan merokok.Untuk jarak yang dapat terdeteksi dikisaran 3 sampai 4 meter.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##
Diterbitkan
2023-09-19
Terbitan
Vol 10 No 02 (2023): Sains dan Teknologi
Bagian
Articles
##submission.copyrightStatement##

Hak cipta jurnal ini ditugaskan untuk KALBISCIENTIA sebagai penerbit jurnal berdasarkan pengetahuan penulis, sedangkan hak moral publikasi merupakan milik penulis. Setiap publikasi cetak dan elektronik dapat diakses secara terbuka untuk tujuan pendidikan, penelitian, dan perpustakaan. Dewan editorial tidak bertanggung jawab atas pelanggaran hak cipta kepada pihak lain selain dari yang telah disebutkan sebelumnya. Reproduksi bagian mana pun dari jurnal ini (dicetak atau online) hanya akan diizinkan dengan izin tertulis dari KALBISCIENTIA: Jurnal Sains dan Teknologi.