DETEKSI PEROKOK DI KAWASAN BEBAS ROKOK MENGGUNAKAN YOLOv5

Muh Fadli Hasa, Suhardi Aras, Filzah Maharani Salsabila, Nurhayati Safitri

Abstract


Merokok merupakan kegiatan yang tidak hanya membahayakan kesehatan, namun dapat membawa dampat yang buruk bagi lingkungan, terlebih jika kegiatan merokok tersebut dilakukan tanpa memikirkan peraturan yang berlaku di sekitar. Larangan merokok di kawasan tertentu sudah banyak dibuatkan dalam bentuk tanda peringatan yang dapat dibaca untuk mengingatkan manusia agar tidak merokok di kawasan tersebut. Larangan merokok di wilayah bebas rokok merupakan tindakan penerapan kebijakan untuk melindungi kesehatan masyarakat dan menciptakan lingkungan yang bebas dari asap rokok. Kebijakan ini bertujuan untuk mengurangi dampak negatif merokok, termasuk merokok pasif (inhalasi asap rokok oleh orang lain yang tidak merokok). Larangan merokok di wilayah bebas rokok biasanya diberlakukan di area publik dan tempat tertentu, seperti rumah sakit, temat ibadah, pom bensin, transportasi umum, taman bermain anak, dan lain sebagainya. Seiring dengan perkembangannya jaman, terdapat beberapa solusi yang dapat membantu untuk mengamati kegiatan merokok di kawasan bebas rokok tersebut. Salah satu solusinya adalah denganmemanfaatkan teknologi deep learning. Sistem deteksi objek yang dibuat pada penelitian menggunakan metodedeep learning dengan algoritma YOLOv5 untuk mendeteksi secara real-time. Peneliti menggunakan dataset sebanyak 435 gambar yang kemudian dibagi menjadi train, validation, dan test dengan perbandingan 77:15:8. Berdasarkan pengujian yang telah dilakukan,didapatkan kesimpulan bahwa metode untuk mendeteksi objek berupa rokok ini bekerja secara konsisten dengan tingkat akurasi yang cukup baik.

Full Text:

PDF

References


Agustien, L., Rahman, T., & Hujairi, A. W. (2021). Real-time Deteksi Masker Berbasis Deep Learning menggunakan Algoritma CNN YOLOv3. Lusiana Agustien,Taufikur Rahman, Ahmad Walid Hujairi, 8(2), 129–137.

Aras, S., Setyanto, A., & Rismayani. (2022). Classification of Papuan Batik Motifs Using Deep Learning and Data Augmentation. 2022 4th International Conference on Cybernetics and Intelligent System (ICORIS), 1–5. https://doi.org/10.1109/ICORIS56080.2022.10031320

Gojali, M. I., & Tjiong, E. L. (2023). Pengembangan Aplikasi Deteksi Objek Rokok dan Kegiatan Merokok Menggunakan Algoritma YOLOv3. KALBISCIENTIA Jurnal Sains Dan Teknologi, 10(02), 201–208.

Hammam, H., Asyhar, A., Wibowo, S. A., & Budiman, G. (2020). IMPLEMENTASI DAN ANALISIS PERFORMANSI METODE YOU ONLY LOOK ONCE ( YOLO ) SEBAGAI SENSOR PORNOGRAFI PADA VIDEO. E-Proceeding of Engineering, 7(2), 3631–3638.

Harun, A. (2023). IMPLEMENTASI DEEP LEARNING MENGGUNAKAN METODE YOU ONLY LOOK ONCE UNTUK MENDETEKSI ROKOK.

Ilhamsyah, F., & Tjoetra, A. (2020). Larangan Merokok di Mata Mahasiswa : Studi Tentang Kebijakan Larangan Merokok di Tempat Umum. Jurnal Public Policy, 1, 6–9.

Luthfy, D., Setianingsih, C., & Paryasto, M. W. (2023). Indonesian Sign Language Classification Using You Only Look Once 1. E-Proceeding of Engineering, 10(1), 454–459.

Malik Mudzopar, I., Wiharko, T., Sangga Buana YPKP, U., & Artikel, H. (2023). Pengembangan Sistem Deteksi Offside Berbasis Metode Yolo dalam Video Pertandingan Sepak Bola. Digital Transformation Technology (Digitech) | e, 3(2). https://doi.org/10.47709/digitech.v3i2.2908

Marsita, M. (2022). PENGARUH ROKOK TERHADAP KESEHATAN. Jurnal Solusi Kesehatan, 1(1), 20–25.

Nie, Y., Sommella, P., O’Nils, M., Liguori, C., & Lundgren, J. (2019). Automatic Detection of Melanoma with Yolo Deep Convolutional Neural Networks. 2019 E-Health and Bioengineering Conference (EHB), 1–4. https://doi.org/10.1109/EHB47216.2019.8970033

Pratama, M. D. R., Priyatna, B., Hilabi, S. S., & April Lia Hananto. (2022). Deteksi Objek Kecelakaan Pada Kendaraan Roda Empat Menggunakan Algoritma YOLOv5. Teknologi: Jurnal Ilmiah Sistem Informasi, 12(2), 15–24.

Sahara, & Hadilinatih, B. (2020). EVALUASI KEBIJAKAN KAWASAN BEBAS ASAP ROKOK DI DESA BONE-BONE KECAMATAN BARAKA KABUPATEN ENDREKANG. Jurnal Enersia Publika, 4(2), 248–260.

Soekarta, R., Nurdjan, N., & Syah, A. (2023). Klasifikasi Penyakit Tanaman Tomat Menggunakan Metode Convolutional Neural Network (CNN). 8(2).

Sugandi, A. N., Hartono, B., & Kunci, K. (2022). Implementasi Pengolahan Citra pada Quadcopter untuk Deteksi Manusia Menggunakan Algoritma YOLO. Prosiding The 13th Industrial Research Workshop and National Seminar, 13–14.

Susanti, L., Daulay, N. K., & Intan, B. (2023). Sistem Absensi Mahasiswa Berbasis Pengenalan Wajah Menggunakan Algoritma YOLOv5. JURIKOM (Jurnal Riset Komputer), 10(2), 640–647. https://doi.org/10.30865/jurikom.v10i2.6032




DOI: https://doi.org/10.31294/ijse.v10i1.20205

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

ISSN : 2714-9935 


Published by LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450


This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License