Prototipe Kamera Pengawasan Berbasis YOLOv5 untuk Deteksi Benda Tajam Secara Real-Time dengan Notifikasi Telegram
DOI:
https://doi.org/10.51179/ilka.v3i1.35Kata Kunci:
Kamera Pengawas, YOLOv5, Deteksi Objek, Benda Tajam, Real-Time, Notifikasi Telegram, Roboflow, Google Colab, Python, Matriks KonfusiAbstrak
Penelitian ini bertujuan merancang dan mengembangkan prototipe sistem kamera penagawas berbasis algoritma You Only Look Once Versi 5 (YOLOv5) untuk mendeteksi benda tajam, yaitu pisau dan gunting, secara real-time dengan integrasi notifikasi telegram. Dataset terdiri dari 2000 citra (1000 citra per kelas), dianotasi melalui Roboflow dan dilatih di google colab. Metodologi meliputi pengumpulan data, pre-pemrosesan, pelatihan model, konversi model, dan implemetasikan deteksi real-time menggunakan python pada pycharm. Hasil evaluasi menunjukkan mean Average Precision (mAP@0.5) sebesar 0,88 dan mAP@0.5:0.95 sebesar 0,577. Kelas gunting memiliki presisi dan recall yang lebih tinggi (0,934 dan 0,88) dibandingkan pisau (0,808 dan 0,795). Pengujian real-time mengahasilkan skor kepercayaan rata-rata 0,445 dan frame per second (FPS) rata-rata 0,56 mencermikan keterbatasam perangkat keras. Matriks konfusi menunjukkan tingkat kesalahan klasifikasi pisau sebagai latar belakang 58%, lebih tinggi dari gunting (42%). Penelitian ini membuktikan efektivitas YOLOv5 untuk deteksi benda tajam dalam apliaksi keamanan, dengan potensi pengembangan melalui optimalisasi perangkat leras dan diversifikasi dataset
Unduhan
Referensi
[1] I. Muslem, “Prototype Kunci RFID (Radio Frequency Identification) dalam Meningkatkan Keamanan Kendaraan Bermotor,” JURNAL TIKA, vol. 5, no. 3, 2021, doi: 10.51179/tika.v5i3.104.
[2] G. P. A. Dipura, F. Amanda, M. R. Firmansyah, M. R. Rizky, and M. N. K. Jamal, “Teknologi Komputer Vision dalam Kamera Pengawas,” Karimah Tauhid, vol. 3, no. 3, 2024, doi: 10.30997/karimahtauhid.v3i3.12292.
[3] Z. Jiang, L. Zhao, L. I. Shuaiyang, and J. I. A. Yanfei, “Real-Time Object Detection Method For Embedded Devices,” ArXiv, vol. 3, 2020.
[4] S. Lu, B. Wang, H. Wang, L. Chen, M. Linjian, and X. Zhang, “A real-time object detection algorithm for video,” Computers and Electrical Engineering, vol. 77, 2019, doi: 10.1016/j.compeleceng.2019.05.009.
[5] W. Gai, Y. Liu, J. Zhang, and G. Jing, “An improved Tiny YOLOv3 for real-time object detection,” Systems Science and Control Engineering, vol. 9, no. 1, 2021, doi: 10.1080/21642583.2021.1901156.
[6] J. Lee and K. il Hwang, “YOLO with adaptive frame control for real-time object detection applications,” Multimed. Tools Appl., vol. 81, no. 25, 2022, doi: 10.1007/s11042-021-11480-0.
[7] W. He, Z. Huang, Z. Wei, C. Li, and B. Guo, “TF-YOLO: An improved incremental network for real-time object detection,” Applied Sciences (Switzerland), vol. 9, no. 16, 2019, doi: 10.3390/app9163225.
[8] R. Sushma, M. Rithika Devi, N. Maheshwaram, and D. R. Sreedhar Bhukya, “Automatic License Plate Recognition with YOLOv5 and Easy-OCR method,” International Journal Of Innovative Research In Technology, vol. 9, no. 1, 2022.
[9] C. Wan, Y. Pang, and S. Lan, “Overview of YOLO Object Detection Algorithm,” International Journal of Computing and Information Technology, vol. 2, no. 1, 2022, doi: 10.56028/ijcit.1.2.11.
[10] P. Jiang, D. Ergu, F. Liu, Y. Cai, and B. Ma, “A Review of Yolo Algorithm Developments,” Procedia Comput. Sci., vol. 199, pp. 1066–1073, 2022, doi: https://doi.org/10.1016/j.procs.2022.01.135.
[11] F. Agustina, “Deteksi Kematangan Buah Pepaya Menggunakan Algoritma YOLO Berbasis Android,” Jurnal Ilmiah Infokam, vol. 18, no. 2, 2022, doi: 10.53845/infokam.v18i2.320.
[12] Z. Chen et al., “Plant Disease Recognition Model Based on Improved YOLOv5,” Agronomy, vol. 12, no. 2, 2022, doi: 10.3390/agronomy12020365.
[13] G. Jocher, “ultralytics/yolov5: v7.0 - YOLOv5 SOTA Realtime Instance Segmentation (v7.0),” Https://Github.Com/Ultralytics/Yolov5/Tree/V7.0, 2022.
[14] D. Armiady and I. M. R, “Klasifikasi Kualitas Buah Pisang Berdasarkan Citra Buah Menggunakan Stochastic Gradient Descent,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 2, 2023.
[15] I. R. Muslem and T. M. Johan, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi Citra Ikan Menggunakan Algoritma Convolutional Neural Network dengan Arsitektur VGG-16,” Media Online), vol. 4, no. 2, pp. 978–985, 2023, doi: 10.30865/klik.v4i2.1209.
[16] C. H. H. Jannah, I. Muslem, and D. Azmi, “Jurnal Ilmu Komputer Aceh Klasifikasi Plat Nomor Kenderaan Bedasarkan Wilayah Tertentu Menggunakan Algoritma Optical Character Recognition,” Jurnal Ilmu Komputer Aceh, Oct. 2025, [Online]. Available: https://jurnal.fikompublisher.com/ilka/article/view/16
[17] I. Muslem, I. Irvanizam, A. Almuzammil, and F. Johar, “Adaptive Heuristic-Based Ant Colony Optimization for Multi-Constraint University Course Timetabling with Morning Slot Preference for Energy Efficiency,” Jurnal Teknik Informatika (Jutif), vol. 6, no. 6, pp. 5930–5943, Jan. 2026, doi: 10.52436/1.jutif.2025.6.6.5588.
Unduhan
Diterbitkan
Cara Mengutip
Lisensi
Hak Cipta (c) 2026 Jurnal Ilmu Komputer Aceh
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Jurnal ini adalah jurnal akses terbuka yang menyediakan akses langsung secara nasional, bebas hambatan ke teks lengkap dari semua artikel yang diterbitkan tanpa biaya pembaca atau institusi mereka untuk mengaksesnya. Pembaca berhak membaca, mengunduh, menyalin, mendistribusikan, mencetak, mencari, atau menautkan teks lengkap semua artikel di Jurnal ILKA. Jurnal ini memberikan akses terbuka langsung ke kontennya dengan prinsip bahwa membuat penelitian tersedia secara bebas untuk publik mendukung pertukaran pengetahuan global yang lebih besar.
