DETEKSI PENGENDARA MOTOR TANPA MENGGUNAKAN HELM DENGAN ALGORITMA DEEP LEARNING YOLO

Abstract

A helmet is a protective device that is worn on the head and made of metal or other hard materials. Indonesia is a country that requires motorcyclists to wear helmets. Lack of public awareness in driving using a helmet can endanger themselves and others. For this reason, an information technology system is necessary to monitor traffic activities 24 hours a day. This study designed an application to detect the use of helmets and classify motorists using helmets or not. The method used in detecting objects in the head area uses the Convolutional Neural Network (CNN) method with the You Look Only Once (YOLO) Algorithm. This system is able to detect violations committed by motorcycle riders. The accuracy of detecting helmet use with the training dataset as a test method of model evaluation produces predictions with an average accuracy rate of 89.04%, and the avg_loss training yields a rate of 1.2%.

Helm adalah alat perlindungan yang dikenakan di kepala dan biasanya terbuat dari metal atau bahan keras lainnya, Indonesia termasuk negara yang mewajibkan pengendara sepeda motor menggunakan helm. Kurangnya kesadaran masyarakat dalam berkendara menggunakan helm bisa membahayakan diri sendiri dan orang lain. Untuk itu diperlukan sebuah sistem teknologi informasi yang mampu mengawasi aktifitas lalu lintas selama 24 jam.  Penelitian ini merancang suatu aplikasi untuk mendeteksi helm dan mengklasifikasikan pengendara bermotor menggunakan helm atau tidak.  Metode yang digunakan dalam pendeteksian objek di area kepala menggunakan metode Convolutional Neural Network (CNN) dengan Algoritma You Look Only Once (YOLO). Sistem ini diharapkan mampu mendeteksi pelanggaran yang dilakukan oleh pengendaran sepeda motor.  Keakuratan pendeteksi penggunaan helm dengan dataset training yang merupakan metode pengujian dari evaluasi model menghasilkan prediksi dengan angka akurasi rata rata yaitu 89.04% dan training avg_loss menghasilkan angka 1.2%.