<![CDATA[Sepeda motor merupakan moda transportasi utama diIndonesia, tetapi tingkat kepatuhan terhadap penggunaanhelm masih rendah. Rekaman kamera surveilans yang seringkali memiliki resolusi rendah menyulitkan deteksi otomatis.Selain itu, variasi helm yang digunakan, seperti full-face,half-face, non-standar, serta pengendara tanpa helm,menjadi tantangan dalam proses pendeteksian. Penelitian inibertujuan untuk mengembangkan model deep learningberbasis YOLOv8n yang mampu mendeteksi penggunaanhelm pada citra beresolusi rendah. Dataset dikumpulkansecara mandiri dengan sudut pandang serta pencahayaanyang serupa. Pengujian dilakukan dengan berbagaikonfigurasi batch size dan jumlah epoch untuk menemukanparameter optimal. Hasil evaluasi menunjukkan bahwamodel dengan 100 epoch dan batch size 32 memberikanperforma terbaik dengan mAP@50 sebesar 0.984, mAP@50-95 sebesar 0.819, precision 0.953, recall 0.952, dan F1-score0.953. Model ini mampu mendeteksi empat kategori helmdengan akurasi tinggi meskipun pada citra beresolusi rendah.Penelitian ini membuktikan bahwa YOLOv8n dapatdigunakan untuk deteksi otomatis penggunaan helm denganakurasi tinggi, yang dapat membantu sistem pemantauan lalulintas dan meningkatkan keselamatan berkendara. Kata kunci: deteksi helm, kamera surveilans, resolusi rendah,deep learning, YOLOv8]]>
Copyrights © 2025
