Optimalisasi YOLOv11s untuk Deteksi Helm pada Traffic Environment secara Real-Time dengan Pendekatan Penggunaan Attention Mechanism

Anthony Pranoto, Ray (2026) Optimalisasi YOLOv11s untuk Deteksi Helm pada Traffic Environment secara Real-Time dengan Pendekatan Penggunaan Attention Mechanism. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (568kB)
	PDF BAB_I.pdf Download (277kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Restricted to Registered users only Download (557kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (222kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (315kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (878kB)
	Archive (ZIP) 00000066655_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Penggunaan helm merupakan faktor penting dalam keselamatan berkendara, namun tingkat kepatuhan masyarakat masih rendah sehingga diperlukan sistem pengawasan otomatis yang mampu bekerja secara konsisten dan real-time. Dalam bidang sistem informasi dan computer vision, YOLOv11 memiliki kecepatan deteksi yang baik, tetapi masih mengalami keterbatasan dalam mendeteksi objek kecil, kondisi pencahayaan yang bervariasi, occlusion, serta penurunan akurasi pada lingkungan lalu lintas yang kompleks sehingga deteksi real-time masih menghasilkan false detection. Oleh karena itu, penelitian ini bertujuan untuk mengoptimalkan YOLOv11s dengan mengintegrasikan Multi-Scale Channel Attention Module (MSCAM), penambahan DetectBlock, dan penggunaan Generalized Intersection over Union (GIoU) sebagai fungsi loss. Penelitian menggunakan framework Cross Industry Standard Process for Data Mining (CRISP-DM) yang terdiri dari Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Evaluasi dilakukan menggunakan precision, recall, F1-score, dan mean Average Precision (mAP50) pada pengujian gambar, video, dan live camera. Hasil penelitian menunjukkan bahwa model optimalisasi berhasil meningkatkan performa dibandingkan YOLOv11s konvensional, yaitu precision meningkat sebesar 6,7% dari 90,6% menjadi 97,3%, recall meningkat sebesar 6,1% dari 87,3% menjadi 93,4%, F1-score meningkat sebesar 6,4% dari 88,9% menjadi 95,3%, serta mAP50 meningkat sebesar 0,9% dari 96,3% menjadi 97,2%. Selain itu, hasil User Acceptance Testing (UAT) memperoleh nilai 93,14% yang menunjukkan sistem berada pada kategori sangat baik dan dapat diterima pengguna. Penelitian ini berhasil mengembangkan sistem deteksi helm berbasis optimalisasi YOLOv11s yang mampu melakukan monitoring keselamatan secara real-time dengan akurasi tinggi pada kondisi lalu lintas yang kompleks.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Anthony Pranoto, Ray (00000066655)
Contributors:	Kristiyanti, Dinar Ajeng
Keywords:	Attention Mechanism, Computer Vision, Deteksi Helm, MSCAM, YOLOv11s
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	09 Jul 2026 07:58
URI:	https://kc.umn.ac.id/id/eprint/47275

Actions (login required)

View Item