DETEKSI PELANGGARAN PENGGUNAAN HELM DENGAN METODE SSD DAN ARSITEKTUR MOBILENETV2
DOI:
https://doi.org/10.24076/joism.2025v7i1.2071Keywords:
Helmet Usage Violation Detection, Raspberry Pi, Mobilenetv2 Architecture and SSD, Deteksi Pelanggaran Penggunaan HelmAbstract
Peningkatan jumlah kendaraan terus didominasi oleh pengendara sepeda motor. Terkait hal ini, pengawasan keselamatan lalu lintas oleh pihak berwenang perlu ditingkatkan. Namun, dengan kemajuan teknologi yang pesat, terutama di bidang visi komputer, solusi baru telah dimungkinkan. Salah satu pengembangan tersebut adalah penggunaan perangkat Raspberry Pi yang murah, yang dapat melakukan tugas-tugas yang mirip dengan komputer desktop. Tujuan dari penelitian ini adalah untuk mengembangkan sistem pendeteksi helm untuk pengendara sepeda motor menggunakan arsitektur MobileNetV2 dan SSD (Single Shot Multibox Detector). Sebanyak 1.363 gambar digunakan, dengan 953 untuk pelatihan, 273 untuk validasi, dan 137 untuk pengujian. Tahap prapemrosesan gambar melibatkan pengubahan ukuran gambar menjadi 240 x 240 piksel sebelum dimasukkan ke dalam model. Hasil pelatihan menunjukkan akurasi maksimum sebesar 100%, sementara evaluasi model pada set pengujian mencapai akurasi deteksi 95% untuk pengendara yang mengenakan helm dan 98% untuk mereka yang tidak mengenakan helm. Selain itu, model tersebut mencapai rata-rata Average Precision (mAP) sebesar 99% pada ambang batas IoU 0.5 (mAP50) dan 66% pada ambang batas IoU 0.75 (mAP75).
References
[1] P. Lumba, A. Ariyanto, A. Alfirahmi, and R. Rismalinda, “Dampak Peningkatan Pengendara Sepeda Motor Dibawah Umur terhadap Jumlah Kecelakaan di Indonesia,” Aptek, vol. 14, no. 2, pp. 94-102, 2022.
[2] D. A. Nurjaman, I. D. Erianti, B. A. Salsabilla, C. C. Sihombing, S. A. Prihartiwi, and D. P. Novita, “Penegakan Hukum Terhadap Pelanggaran Lalu Lintas Di Karawang,” Cendekia Ilmiah, pp. 540-545, 2024, doi: 10.56799/jceki.v4i1.6292.
[3] P. R. Aningtiyas, A. Sumin, and S. Wirawan, “Pembuatan Aplikasi Deteksi Objek Menggunakan Tensorflow Object Detection Api Dengan Memanfaatkan Ssd Mobilenet V2 Sebagai Model Pra-Terlatih,” Ilmiah Komputasi, pp. 421-430, 2020, doi: 10.32409/jikstik.19.3.68.
[4] A. Nugroho and M. R. Cahyono, “Implementasi Object Recognition Pada Rambu-Rambu Dan Lampu Lalu Lintas Dengan Raspberry Pi Dengan Algoritma Yolo V5,” Sebatik, pp. 549-556, 2022, doi: 10.46984/sebatik.v26i2.2047.
[5] T. Mulyadi, M. Rizal, A. Amiruddin, T. Informatika, and S. Akba Makassar, “Penerapan Teknologi Augmented Reality Sebagai Sarana Edukasi Perkenalan Alat Musik dengan Metode Single Marker,” J. Inf. Syst. Manag., vol. 1, no. 2, pp. 18–21, Jan. 2020, doi: 10.24076/JOISM.2020V1I2.26.
[6] M. N. Baay, A. N. Irfansyah, and M. Attamimi, “Sistem Otomatis Pendeteksi Wajah Bermasker Menggunakan Deep Learning,” Teknik Its, pp. 64-70, 2021
[7] A. Prima, “Rancang Bangun Sistem Pendeteksi Aneka Ragam Buah Menggunakan Mobilenetv2,” Jsisfotek (Jurnal Sistim Informasi Dan Teknologi), pp. 208-215, 2023, doi: 10.60083/jsisfotek.v5i2.217.
[8] A. Miranto, “Real Time Object Detection Menggunakan Mobilenet-Ssd Pada Sistem Keamanan Ruangan Dengan Bot Telegram Sebagai Notifikasi User,” Elektronik Ilmu Komputer Udayana, pp. 211-216, 2024, doi: 10.29408/edumatic.v9i1.29004.
[9] M. A. Aziz, A. S. Rachman, and I. M. Suksmadana, “Pengujian Deteksi Objek Manusia Menggunakan Jetson Nano Dengan Model SSD Mobilenetv2,” Informatika Teknologi Dan Sains, vol. 6, no. 2, 830-840, 2024, doi: 10.51401/jinteks.v6i4.4899.
[10] A. W. Suryanto, and A. R. Kardian, “Deteksi Pelanggaran Lalu Lintas Tidak Menggunakan Helm Dengan YOLO V4 Pada Sistem ETLE,” Jurnal Teknik Komputer, vol. 9, no. 2, pp. 129-134, 2023, doi: 10.31294/jtk.v9i2.14798.
[11] I. R. Ilham and F. Utaminingrum, “Deteksi Helm untuk Keamanan Pengendara Sepeda Motor dengan Metode CNN (Convolutional Neural Network) menggunakan Raspberry Pi,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 11, pp. 4734-4739, 2021
[12] F. Fuadi, C. Setianingsih, and M. W. Paryasto, “Sistem Deteksi Pengendara Sepeda Motor Tanpa Helm Menggunakan Algoritma SSD,” eProceedings of Engineering, vol. 10, no. 1, 2023
[13] M. A. Meidyan and W. Yustanti, “Implementasi Metode You Only Look Once (YOLOV5) Dalam Deteksi Pelanggaran Helm,” Journal of Emerging Information System and Business Intelligence (JEISBI), vol. 5, no. 3, pp. 214-222, 2024, doi: 10.26740/jeisbi.v5i3.60517.
[14] S. B. Setyawan, W. Pribadi, H. Arrosida, and E. P. Nugroho, “Sistem Deteksi Pengendara Sepeda Motor Tanpa Helm dan Kelebihan Penumpang pada Dengan Menggunakan YOLO V3,” In Prosiding Seminar Nasional Terapan Riset Inovatif (SENTRINOV), vol. 7, no. 1, pp. 430-438, 2021, November
[15] M. Y. Wibowo, H. Hikmayanti, and A. F. Masruriyah, “Deteksi Penggunaan Masker Pada Tempat Umummenggunakan Algoritma Convolutional Neural Network,” Scientific Student Journal For Information, Technology And Science, vol. 5, no. 2, pp. 131-136, 2024
[16] A. Israk, R. Satra, and F. Fattah, “Perancangan Sistem Pendeteksi Pelanggaran Lampu Lalu Lintas Menggunakan Raspberry Pi 3 Berbasis Internet Of Things,” Buletin Sistem Informasi Dan Teknologi Islam, pp. 275-283, 2021, doi: 10.33096/busiti.v2i4.1008.
[17] Sutarti, Siswanto, & A. P. Jutika, “Implementasi Face Recognition Berbasis Haar-Cascade Classifier Pada Sistem Keamanan Rumah Menggunakan Dual-Camera,” Infotech, pp. 106-115, 2022, doi: 10.31949/infotech.v8i2.3610.
[18] S. S. Asmoro, M. F. Amrulloh, M. A. Toybah, and M. A. Saputra, “Rancang Bangun Aplikasi Mobile Untuk Klasifikasi Jenis Ikan Koi Menggunakan Algoritma Convolutional Neural Network,” Prosiding Seminar Nasional Teknologi Dan Sains, pp. 270-277, 2024, doi: 10.29407/stains.v3i1.4312
[19] M. Iqbal, D. M. Midyanti, and S. Bahri, “Deteksi Objek Manusia Pada Citra Menggunakan Single Shot Detector (Ssd) Berbasis Edge Computing,” Teknologi Informasi Dan Ilmu Komputer, pp. 547-556, 2024, doi: 10.25126/jtiik.938446.
[20] M. D. Pratama, B. Priyatna, S. S. Hilabi, and A. L. Hananto, “Deteksi Objek Kecelakaan Pada Kendaraan Roda Empat Menggunakan Algoritma Yolov5,” Ilmiah Sistem Informasi, vol. 12, no. 2, pp. 15-26, 2022, doi: 10.26594/teknologi.v12i2.3260.
[21] O. Bouazizi, C. Azroumahli, A. E. Mourabit, and M. Oussouaddi, “Road Object Detection Using SSD-MobileNet Algorithm Case Study For Rea-Time ADAS Applications,” Journal Of Robotics And Control, pp. 551-560, 2024, doi: 10.18196/jrc.v5i2.21145.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Journal of Information System Management (JOISM)
This work is licensed under a Creative Commons Attribution 4.0 International License.
