Pendeteksi Penggunaan Sabuk Pengaman Real Time Untuk Pengemudi Menggunakan Metode YOLOV5
Keywords:
Deep Learning, Keselamatan Berkendara, Pengolahan Citra, Pendeteksi Sabuk Pengaman, YOLOv5Abstract
Kecelakaan lalu lintas merupakan salah satu masalah yang sangat merugikan dan membutuhkan penanganan yang serius. Kecelakaan mobil menempati peringkat dua teratas kendaraan yang sering mengalami kecelakaan lalu lintas. Salah satu upaya yang dapat digunakan untuk meminimalisir akibat dari kecelakaan berkendara adalah menggunakan sabuk pengaman. Mengenakan sabuk pengaman mencegah tubuh penumpang bertabrakan dengan struktur rangka mobil, benda lain di dalam mobil, atau penumpang lain di dalam mobil yang sama. Meskipun penggunaan sabuk pengaman saat berkendara memiliki dampak yang besar, masih banyak pengendara yang masih menyepelekan pentingnya penggunaan sabuk pengaman dalam keselamatan berkendara di jalan raya. Pada penelitian ini, pendeteksian penggunaan sabuk pengaman secara realtime untuk pengemudi mobil di jalan raya telah dilakukan dengan menggunakan metode deep learning YOLOv5. Tujuan dari penelitian ini adalah untuk mengembangkan dan mengimplementasikan sistem pendeteksian penggunaan sabuk pengaman secara real-time bagi pengemudi mobil di jalan raya menggunakan model YOLOv5 sebagai salah satu usaha untuk meminimalisir risiko terjadinya kecelakaan lalu lintas.
References
U. S. Lestari, “ANALISIS KECELAKAAN LALU LINTAS DAN PENANGANAN DAERAH RAWAN KECELAKAAN JALAN AHMAD YANI (RUAS KM 17 – KM 36) KOTA BANJARBARU,” J. Teknol. Berkelanjutan Sustain. Technol. J., vol. 9, no. 2, pp. 110–117, 2020.
I. W. Agustin, C. Meidiana, and S. Muljaningsih, “Studi Simulasi Model Kecelakaan Pengendara Mobil untuk Meningkatkan Keselamatan Lalu Lintas di Daerah Perkotaan,” War. Penelit. Perhub., vol. 32, no. 2, Dec. 2020, doi: 10.25104/warlit.v32i2.1513.
K. Rohman and T. B. Sasongko, “FAST DETECTION OF SEATBELT DRIVER BASED ON IMAGE CAPTURING,” JURTEKSI J. Teknol. Dan Sist. Inf., vol. 9, no. 3, Art. no. 3, Jun. 2023, doi: 10.33330/jurteksi.v9i3.2276.
F. Pagi, J. Isnanda, A. Hamdan, and A. R. Lindrianto, “Evaluasi Penerapan Advance Safety Belt Pada Unit Dump Truck PT Putra Perkasa Abadi Site Bukit Asam,” Innov. J. Soc. Sci. Res., vol. 4, no. 1, Art. no. 1, Feb. 2024, doi: 10.31004/innovative.v4i1.9278.
Abdul Kudus Zaini, Astuti Boer, and Muhammad Irvan, “Kepatuhan Penggunaan Safety Belt Studi Kasus Dosen Universitas Islam Riau Pekanbaru,” INSOLOGI J. Sains Dan Teknol., vol. 1, no. 1, pp. 11–17, Feb. 2022, doi: 10.55123/insologi.v1i1.108.
I. A. Dewi and N. Z. Z. Nasrulloh, “RESIDUAL NETWORK LAYER COMPARISON FOR SEAT BELT DETECTION,” J-Icon J. Komput. Dan Inform., vol. 11, no. 2, Art. no. 2, Jul. 2023, doi: 10.35508/jicon.v11i2.9903.
I. H. Sarker, “Deep Learning: A Comprehensive Overview on Techniques, Taxonomy, Applications and Research Directions,” SN Comput. Sci., vol. 2, no. 6, p. 420, Aug. 2021, doi: 10.1007/s42979-021-00815-1.
J. Zophie and H. Himawan Triharminto, “9. Implemetasi Algoritma You Only Look Once (YOLO) menggunakan Web Camera untuk Mendeteksi Objek Statis dan Dinamis,” TNI Angkatan Udara, vol. 1, no. 1, Jan. 2023, doi: 10.62828/jpb.v1i1.50.
H. Husnan, C. Fatichah, and R. Dikairono, “Deteksi Objek Menggunakan Metode YOLO dan Implementasinya pada Robot Bawah Air,” J. Tek. ITS, vol. 12, no. 3, pp. A221–A226, Dec. 2023, doi: 10.12962/j23373539.v12i3.122326.
M. A. Taufiqurrochman and H. Februariyanti, “Rancang Bangun Aplikasi Deteksi Alat Pelindung Diri (APD) untuk Pekerja Proyek dengan Menggunakan Algoritma Yolov5,” J. JTIK J. Teknol. Inf. Dan Komun., vol. 8, no. 2, pp. 471–480, Apr. 2024, doi: 10.35870/jtik.v8i2.1960.
W. Yassin, F. Abdollah, A. Ismail, and P. Ragam, “SEATBELT DETECTION IN TRAFFIC SYSTEM USING AN IMPROVED YOLOv5,” J. Adv. Comput. Technol. Appl. JACTA, vol. 5, no. 2, Art. no. 2, Dec. 2023.
M. H. Ashar and D. Suarna, “Implementasi Algoritma YOLOv5 dalam Mendeteksi Penggunaan Masker Pada Kantor Biro Umum Gubernur Sulawesi Barat”., KLIK: Kajian Ilmiah Informatika dan Komputer., vol. 3, no. 3, pp. 298-302, 2022.
