Penelitian ini bertujuan untuk mengembangkan sistem deteksi objek manusia berbasis computer vision pada CCTV untuk meningkatkan efisiensi penyimpanan data. Masalah klasik sistem CCTV konvensional adalah overload penyimpanan akibat rekaman terus-menerus tanpa seleksi. Solusi yang ditawarkan adalah menerapkan algoritma deteksi objek manusia menggunakan YOLO (You Only Look Once) untuk mengoptimalkan penyimpanan dengan hanya merekam saat ada kehadiran manusia.Penelitian ini menggunakan dataset berupa 775 gambar orang dari Roboflow, di mana setiap gambar dilengkapi dengan label kotak di sekitar objek manusia. Proses pelatihan model dilakukan menggunakan algoritma YOLO versi 8 dengan arsitektur YOLOv8m-seg. Hasil pengujian menggunakan 15 sampel gambar menunjukkan bahwa model dapat mendeteksi semua objek manusia dengan akurasi 100%.Meskipun hasil ini sangat baik, perlu dilakukan pengujian lebih lanjut dengan jumlah sampel yang lebih besar untuk mengevaluasi kinerja model secara menyeluruh. Penelitian ini memberikan kontribusi dalam memecahkan masalah klasik penyimpanan CCTV dengan memanfaatkan teknologi deteksi objek manusia berbasis computer vision.
                        
                        
                        
                        
                            
                                Copyrights © 2024