<![CDATA[Kebijakan larangan merokok di tempat umum merupakan prioritas global dalam meningkatkan kesehatan masyarakat dan mengurangi dampak negatif rokok terhadap lingkungan sosial. Namun, penegakan kebijakan ini masih menghadapi tantangan, terutama di lingkungan publik yang kompleks. Penelitian ini mengusulkan implementasi algoritma YOLOv5 (You Only Look Once versi 5), sebuah metode deep learning untuk deteksi objek secara real-time. YOLOv5 bekerja dengan mendeteksi dan melokalisasi objek pada citra atau video menggunakan kotak pembatas (bounding box), memungkinkan identifikasi yang cepat dan akurat. Dalam konteks ini, YOLOv5 digunakan untuk mendeteksi perilaku merokok dengan mengidentifikasi objek rokok yang menyala dan posisi tangan yang menunjukkan aktivitas merokok. Model dilatih menggunakan dataset yang mencakup variasi posisi, pencahayaan, dan latar belakang, dengan pembagian data 80% untuk training, 10% untuk validation, dan 10% untuk testing. Hasil evaluasi menunjukkan performa model dengan Mean Average Precision (mAP) sebesar 0,483, F1-Score sebesar 81%, dan recall sebesar 84%. Implementasi ini membuktikan bahwa YOLOv5 memiliki potensi besar untuk mendukung otomatisasi pengawasan kebijakan larangan merokok. Selain itu, sistem ini dapat memicu iklan layanan publik yang relevan untuk meningkatkan kesadaran masyarakat terhadap bahaya rokok secara dinamis dan adaptif, terutama di tempat umum.]]>
Copyrights © 2025
