<![CDATA[Pelanggaran penggunaan sabuk pengaman pada pengemudi mobil masih sering terjadi dan meningkatkan risiko fatalitas kecelakaan. Pengawasan manual memiliki keterbatasan jangkauan, konsistensi, dan efisiensi, sehingga diperlukan sistem otomatis berbasis computer vision. Penelitian ini bertujuan mengimplementasikan model YOLOv10 untuk mendeteksi pelanggaran penggunaan sabuk pengaman pada pengemudi mobil. Dataset yang digunakan adalah Seatbelt Detection dari Roboflow sebanyak 5.291 citra yang dibagi menjadi data latih, validasi, dan uji. Model YOLOv10n dilatih menggunakan Python pada Google Colaboratory selama 50 epoch dengan resolusi 640 x 640 piksel dan batch size 32. Evaluasi dilakukan menggunakan precision, recall, F1-score, mAP@0.5, dan mAP@0.5:0.95, serta dianalisis melalui confusion matrix dan visual hasil prediksi. Hasil penelitian menunjukkan bahwa model mencapai precision 0,916, recall 0,902, mAP@0.5 94,5%, dan mAP@0.5:0.95 64,9%. Kelas person-seatbelt memperoleh mAP@0.5 98,1%, sedangkan person-noseatbelt mencapai 95,6%. Temuan ini menunjukkan bahwa YOLOv10n layak digunakan sebagai dasar pengembangan sistem pengawasan kepatuhan sabuk pengaman yang efisien dan berpotensi diterapkan pada pemantauan lalu lintas otomatis. Kata Kunci: YOLOv10, deteksi objek, sabuk pengaman, pelanggaran lalu lintas, computer vision, deep learning]]>
Copyrights © 2026
