Implementasi YOLO untuk Pengawasan Real-Time di Area Pemondokan Mahasiswa
Keywords:
sistem keamanan, pengenalan wajah, You Only Look Once, notifikasi real-timeAbstract
Pencurian kendaraan bermotor di Indonesia, terutama di kawasan kos, asrama dan pemondokan mahasiswa, menjadi masalah keamanan yang semakin mendesak. Banyak kasus pencurian terjadi di lingkungan ini, di mana pengawasan dan sistem keamanan sering kali kurang memadai. Untuk menjawab tantangan ini, penelitian ini mengembangkan sebuah sistem keamanan inovatif berbasis pengenalan wajah dengan menggunakan model You Only Look Once (YOLO). Sistem ini memanfaatkan kamera Arducam IMX477 yang terhubung dengan Raspberry Pi 4B, yang secara otomatis memproses gambar wajah dan mengirimkan notifikasi secara real-time kepada pengguna melalui bot Telegram. Pengujian menunjukkan bahwa sistem ini memiliki akurasi sebesar 86% dan presisi 85,5%, dengan performa yang meningkat pada malam hari, mencapai akurasi 92%. Dari enam spesifikasi yang diusulkan, lima telah berhasil dipenuhi, termasuk kemampuan mengirim notifikasi secara real-time, resolusi kamera 1080p, identifikasi orang, pemantauan melalui aplikasi, dan operasi selama 24 jam. Namun, ketahanan alat terhadap kondisi cuaca, terutama hujan, masih perlu ditingkatkan. Sistem ini diharapkan dapat meningkatkan keamanan di lingkungan kos-kosan, membantu mengurangi angka kejahatan, dan memberikan rasa aman bagi para penghuninya.
Downloads
References
Pusiknas Bareskrim Polri, "Waspada! Pencurian Sepeda Motor Mencapai 700 Kasus dalam Pekan," Dec. 19, 2023. [Online]. Available: https://pusiknas.polri.go.id/detail_artikel/waspada_pencurian_sepeda_motor_mencapai_700_kasus_dalam_dua_pekan
Radar Jogja, "Kesadaran Keamanan Rendah, Kos-Kosan Sering Jadi Incaran Pelaku Curanmor," Dec. 19, 2023. [Online]. Available: https://radarjogja.jawapos.com/hukum kriminal/65757605/kesadaran-keamanan-rendah-koskosan-sering-jadi-incaran-pelaku-curanmor
Lystloc, "7 New Facial Recognition Technology Trends to Boom in the Future," Jul. 25, 2024. [Online]. Available: https://www.lystloc.com/blog/7-new-facial-recognition-technology-trends-to-boom-in-the-future
S. Sutarti, S. Samsuni, and I. Asseghaf, "Sistem Keamanan Rumah melalui Pengenalan Wajah Menggunakan Webcam dan Library Opencv Berbasis Raspberry Pi," Jurnal Dinamika Informatika, vol. 8, no. 2, pp. 13-26, 2019
I. I. Setiawan, A. Jaenul, and D. Priyokusumo, "Prototipe Sistem Keamanan Rumah Menggunakan Face Recognition Berbasis Raspberry Pi 4," Prosiding Snitt Poltekba, vol. 4, pp. 496-501, 2020.
A. P. Jutika, "Implementasi Face Recognition Berbasis Haar-Cascade Classifier Pada Sistem Keamanan Rumah Menggunakan Dual-Camera," INFOTECH Journal, vol. 8, no. 2, pp. 106-115, 2022.
G. Levakov, O. Sporns, and G. Avidan, "Modular community structure of the face network supports face recognition," Cerebral Cortex, vol. 32, no. 18, pp. 3945-3958, 2022.
M. S. Hidayatulloh, "Sistem Pengenalan Wajah Menggunakan Metode YOLO (You Only Look Once)," Doctoral dissertation, Universitas Dinamika, 2021.
P. A. Nugroho, I. Fenriana, and R. Arijanto, "Implementasi deep learning menggunakan convolutional neural network (CNN) pada ekspresi manusia," Algor, vol. 2, no. 1, pp. 12-20, 2020.
M. H. Diponegoro, S. S. Kusumawardani, and I. Hidayah, "Tinjauan pustaka sistematis: implementasi metode deep learning pada prediksi kinerja murid," Jurnal Nasional Teknik Elektro dan Teknologi Informasi, vol. 10, no. 2, 2021.
