NUGROHO, David (2026) Deteksi Pengemudi dan Penggunaan Helm Pengemudi Sepeda Motor Menggunakan Arsitektur YOLO11. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (67kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (181kB)
	Text 4. KATA PENGANTAR.pdf Download (204kB)
	Text 6. ABSTRAK.pdf Download (6kB)
	Text 7. ABSTRACT.pdf Download (5kB)
	Text 8. DAFTAR ISI.pdf Download (73kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (82kB)
	Text 16. DAFTAR PUSTAKA.pdf Download (149kB)

Abstract

Dalam UU No 22 Tahun 2009 tentang LLAJ, terdapat peraturan tentang penggunaan helm
untuk pengemudi kendaraan beroda dua. Namun, sering terlihat pengemudi-pengemudi
tersebut tidak menggunakan helm. Untuk mencegah pelanggaran dan meningkatkan
keselamatan mengemudi, penelitian ini membuat model deteksi pengemudi dan model
deteksi penggunaan helm menggunakan arsitektur YOLO11. Dataset yang digunakan
berasal dari sebuah rekaman video di salah satu jalan raya di Semarang. Dataset berjumlah
284 citra dengan format png. Dataset diberi anotasi dan menjadi groundtruth. Setelahnya,
dataset dibagi dengan ketentuan pembagian 60% data latih, 20% data validasi, dan 20%
data uji. Model deteksi pengemudi menghasilkan bounding box pengemudi. Bounding box
tersebut dipotong dan digunakan sebagai dataset untuk model deteksi penggunaan helm.
Model deteksi pengemudi menghasilkan precision sebesar 97,7%, recall sebesar 97,4%,
mAP50 sebesar 99%, mAP50-95 sebesar 93,7%. Model deteksi penggunaan helm
menghasilkan precision sebesar 95,2%, recall sebesar 93,7%, mAP50 sebesar 94,9%, dan
mAP50-95 sebesar 86,6% untuk kelas helm. Sedangkan untuk kelas noHelm menghasilkan
precision sebesar 94,5%, recall sebesar 93,5%, mAP50 sebesar 96,9%, dan mAP50-95
sebesar 83,3%. Nilai tersebut menunjukan model deteksi pengemudi dan model
penggunaan helm mampu melakukan tugasnya dengan performa yang tinggi.
Kata kunci : deteksi pengemudi, deteksi penggunaan helm, YOLO11

Actions (login required)

View Item