<![CDATA[Tingginya angka pencurian sepeda motor menuntut solusi keamanan yang proaktif dan otomatis, mengingat sistem pengawasan konvensional umumnya bersifat reaktif dan kurang efektif. Penelitian ini mengusulkan sistem deteksi dini pencurian motor berbasis video yang mampu mengenali objek, mengidentifikasi individu, dan mendeteksi aktivitas mencurigakan secara real-time. Sistem ini mengintegrasikan berbagai teknologi kecerdasan buatan, termasuk YOLOv11 untuk deteksi objek, ByteTrack untuk pelacakan, InsightFace untuk identifikasi wajah, PaddleOCR untuk pembacaan pelat nomor, dan Real-ESRGAN untuk peningkatan resolusi citra. Pengujian dilakukan menggunakan video simulasi yang merepresentasikan kondisi nyata, seperti variasi pencahayaan, sudut kamera, dan interaksi antara subjek dan kendaraan. Evaluasi dilakukan terhadap 48 sampel wajah, 34 kasus identifikasi kendaraan, dan 20 skenario pencurian. Hasil evaluasi menunjukkan sistem berhasil mencapai akurasi 95,83% dalam identifikasi wajah dan 97,92% dalam identifikasi pelat nomor. Pada deteksi aktivitas curanmor, sistem mencatatkan akurasi 95% dan F1-score sebesar 96,97% tanpa adanya false negative. Dari segi performa, sistem yang dioptimasi dengan TensorRT (presisi FP16) menunjukkan peningkatan signifikan dalam kecepatan inferensi, dari 36,19 FPS (menggunakan PyTorch FP32) menjadi 56,47 FPS. Hasil ini menunjukkan bahwa sistem yang dikembangkan tidak hanya akurat dan andal, tetapi juga efisien untuk diterapkan dalam pengawasan keamanan rumah secara waktu nyata. Sistem ini juga memiliki potensi untuk dikembangkan lebih lanjut melalui integrasi dengan IoT guna meningkatkan respon otomatis terhadap potensi pencurian.]]>
Copyrights © 2025
