Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal on Software Engineering (IJSE)
Nurhayati Safitri
Universitas Muhammadiyah Sorong
Computer Science & IT Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
DETEKSI PEROKOK DI KAWASAN BEBAS ROKOK MENGGUNAKAN YOLOv5 Muh Fadli Hasa; Suhardi Aras; Filzah Maharani Salsabila; Nurhayati Safitri
Indonesian Journal on Software Engineering (IJSE) Vol 10, No 1 (2024): IJSE 2024 (ON PROGRESS)
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v10i1.20205

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.
Co-Authors Filzah Maharani Salsabila Suhardi Aras